2015
2015
Sei collegato come utente non registrato
Il percorso ha la certificazione (STANDARD)
Corso di Laurea: Scienze dell'Informazione  -  Percorso: LM Informatica
Informazioni generali
Università PALERMO Responsabile del Percorso Marinella Sciortino
Livello del Cdl MAGISTRALE Email marinella.sciortino@unipa.it
Docenti che insegnano nel corso*: 6 Scheda Unica Annuale (SUA) del Corso di Laurea: Nessun documento SUA caricato
(*) Questo è il numero di docenti appartenenti ai settori scientifico-disciplinari INF/01 o ING-INF/05 che svolgono il loro carico didattico istituzionale presso questo corso di laurea   Afferisce al primo corso di laurea iscritto Si
Commento E' un percorso interdisciplinare No
Legenda delle Aree (versione standard)
A: Fondamenti G: Basi di dati A_M: Una qualunque delle aree da A a M
B: Algoritmi H: Computazione su rete altro INF: Crediti di INFORMATICA non classificati nelle aree
C: Programmazione I: Ingegneria del software INF: Crediti di INFORMATICA non classificabili a priori
D: Linguaggi L: Interazione, grafica e multimedialità altro: Crediti NON dell'INFORMATICA né della MATEMATICA
E: Architetture M: Rappresentazione della conoscenza NCP: Crediti Non Classificabili a priori
F: Sistemi operativi MAT: Crediti di MATEMATICA
Legenda delle Aree (versione beta)
AL: Algorithms and Complexity IS: Intelligent Systems SP: Social Issues and Professional Practice
AR: Architecture and Organization NC: Networking and Communication MAT: Crediti di MATEMATICA
DS: Discrete Structures OS: Operating Systems altro INF: Crediti di INFORMATICA non classificati nelle aree
GV: Graphics and Visualization PBD: Platform-Based Development INF: Crediti di INFORMATICA non classificabili a priori
HCI: Human Computer Interaction PD: Parallel and Distributed Computing altro: Crediti NON dell'INFORMATICA né della MATEMATICA
IAS: Information Assurance and Security PL: Programming Languages NCP: Crediti Non Classificabili a priori
IM: Information Management SE: Software Engineering
Insegnamenti e ripartizione CFU per area CFU A B C D E F G H I L M MAT A_M AL AR DS GV HCI IAS IM IS NC OS PBD PD PL SE SP MAT altro INF INF altro NCP
Analisi di dati biomedici 6                     6                                            
Big data management 6             6                                                    
Bioinformatica 6 2 3         1             5           1                          
Cloud high performance computing 6                                                               6  
Information retrieval e semantic web 6                     6                                            
Insegnamenti a scelta 12                                                                 12
Metodi avanzati per la programmazione 6     6                                                            
Metodi e modelli matematici per le applicazioni 6                       6                                 6        
Reti e sicurezza informatica 6               6                                                  
Reti radiomobili 9                                                               9  
Scienza e ingegneria degli algoritmi 6 1 5                       6                                      
Teorica dell'informazione e compressione 6 6                                                                
                                                                     
Attività Extracurriculari 6                                                                 6
Lingue Straniere 6                                                                 6
Prova Finale 24                                                                 24
Tirocinio 3                                                                 3
TOTALE 120 9 8 6 0 0 0 7 6 0 0 12 6 0 11 1 6 0 0 15 51

Riepilogo dell'insegnamento: Analisi di dati biomedici
Nome Analisi di dati biomedici CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare INF/01
   

6 cfu così ripartiti nelle aree:

  • 6 CFU nell'area M - Rappresentazione della conoscenza

Sillabo dell'insegnamento

  • M - Rappresentazione della conoscenza
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Reti neurali artificiali, percettrone, delta rule, percettrone come separatore lineare, reti neurali multistrato, percettrone multistrato, back propagation, funzioni d'errore, parametri di apprendimento, overfiting, validazione, dimensione di una rete neurale.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      eti neurali Radial Basis Function, reti probabilistiche, reti competitive, reti LVQ, reti SOM: proprietà e loro algoritmi di apprendimento.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Apprendimento Hebbiano, PCA neurale, schemi auto associativi. Funzioni Kernel, proprietà e loro caratterizzazione.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Riduzione nella dimensionalità dei dati: SVD, PCA, NMF, Random Projections. Canonical Correlation Analysis, Fisher Discriminant Analysis. La dimensione VC, versione duale dell'algoritmo del percettrone, iperpiano di separazione ottimale e sua formulazione lagrangiana.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Support Vector Machines (SVM) per classificazione. SVM nel caso di separabilità non lineare, variabili slack. SVM e One class classifiers.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Funzioni Kernel per dati strutturati (stringhe, alberi) e per testi. Problemi di classificazione supervisionata e non supervisionata di dati biomedici.

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).


Riepilogo dell'insegnamento: Big data management
Nome Big data management CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare INF/01
   

6 cfu così ripartiti nelle aree:

  • 6 CFU nell'area G - Basi di dati

Sillabo dell'insegnamento

  • G - Basi di dati
    • BDA - Basi di Dati Avanzate
      Acquisizione dei dati. Elaborazione dei dati al fine di produrre informazioni. Archiviazione dei dati grezzi e delle informazioni. Trasmissione dei dati e delle informazioni. Presentazione dei dati e delle informazioni.
    • BDA - Basi di Dati Avanzate
      Sistemi di supporto alle decisioni. Architetture per il Data Warehousing: architettura ad un livello, architettura a due livelli, architettura a tre livelli. I metadati. Qualità di un Data Warehouse. Il modello multidimensionale e l'OLAP. Le principali operazioni OLAP. Modelli logici a supporto del Data Warehousing.
    • * PC - Progettazione concettuale
      Metodologia di progettazione di un Data Warehouse, scelta del processo, scelta della granularità, identificare e rendere conformi le dimensioni, scelta delle misure, memorizzare pre-calcoli nella tabella dei fatti, completare la tabella delle dimensioni, scelta della durata del database, tracciare le ?slowly changing dimension?, decidere le priorità sulle query e sulle modalità di query, integrazione dei Data Mart.
    • BDA - Basi di Dati Avanzate
      Descrizione dei Concetti. Market Basket Analysis. Classificazione e Predizione. Alberi di decisione. K-Nearest Neighbor. Clustering.Reti sociali. Reti biologiche. Next-Generation Sequencing (NGS).
    • * PL - Progettazione Logica
      Database non relazionali. Tipologie di database NoSQL. Analisi di vantaggi e svantaggi dei database non relazionali. Esempi di implementazione di database NoSQL.
    • * LI - Linguaggi di Interrogazione di Basi di Dati
      Realizzazione di Database e applicazioni. Utilizzo di strumenti di ETL per la progettazione e realizzazione di Data Warehouse, OLAP, Data Mining.

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).


Riepilogo dell'insegnamento: Bioinformatica
Nome Bioinformatica CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare INF/01
   

6 cfu così ripartiti nelle aree:

  • 2 CFU nell'area A - Fondamenti
  • 3 CFU nell'area B - Algoritmi
  • 1 CFU nell'area G - Basi di dati

Sillabo dell'insegnamento

  • A - Fondamenti
    • * ALF - Automi e Linguaggi Formali
      Edit distance tra due stringhe; Edit Graphs; Weighted edit-distance, alphabet-weighted edit-distance; Similarità tra stringhe; Allineamento globale; Occorrenze approssimate di P in T; Allineamento locale; Matrici di Sostituzione: Pam e Blosum. Allineamento multiplo di sequenze. Meccanismi molecolari alla base dei processi evolutivi; Geni ortologhi e paraloghi; Determinazione delle distanze genetiche tra sequenze nucleotidiche e aminoacidiche; PHYLIP Package; L'orologio molecolare; Filogenesi molecolare.
    • COM - Complessità
      Complessità degli algoritmi presentati. Rappresentazione di dati biologici
  • B - Algoritmi
    • * SDF - Strutture di Dati Fondamentali
      Catene di Markov; Sorgenti di Markov; Hidden Markov models; HMM per un fonema; Profile HMMs
    • * A - Algoritmi fondamentali
      Algoritmi di Needleman-Wunsch e Smith-Waterman. FASTA. BLAST. Algoritmi per l'allineamento multiplo: ClustalW, TCoffee. UPGMA, Neighbor-joining. Algoritmi su HMM, Algoritmo di Viterbi per un HMM
    • * ASC - Algoritmi su Strutture Combinatorie
      Metodi alignment-free. Calcolo dell'edit distance: algoritmo naїf, algoritmi basati sulla programmazione dinamica, metodi euristici di allineamento. Metodi per la costruzione degli alberi filogenetici.i alignmenMetodi per la costruzione degli alberi filogenetici.
  • G - Basi di dati
    • BDA - Basi di Dati Avanzate
      Ricerca di similarità in banche dati . Basi di dati biologiche.

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).


Riepilogo dell'insegnamento: Cloud high performance computing
Nome Cloud high performance computing CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare FIS/05
   

6 cfu così ripartiti nelle aree:

  • 6 CFU nell'area altro - Crediti NON dell'INFORMATICA né della MATEMATICA

Sillabo dell'insegnamento

    Non è presente il sillabo poiché non vi sono crediti allocati in aree per cui è previsto.


Riepilogo dell'insegnamento: Information retrieval e semantic web
Nome Information retrieval e semantic web CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare INF/01
   

6 cfu così ripartiti nelle aree:

  • 6 CFU nell'area M - Rappresentazione della conoscenza

Sillabo dell'insegnamento

  • M - Rappresentazione della conoscenza
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Dati strutturati e web semantico - Linguaggio RDF. RDFS e Ontologie.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Linguaggio OWL. Linguaggio SPARQL.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Modelli di Information Retrieval e valutazione Relevance Feedback ed espansione della query.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Text Classification.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Indicizzazione e ricerca sul web.
    • AASC - Apprendimento Automatico e Scoperta di Conoscenza
      Python ed elaborazione dei testi.

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).


Riepilogo dell'insegnamento: Insegnamenti a scelta
Nome Insegnamenti a scelta CFU 12
Ore di didattica frontale per CFU 12 Settore Scientifico Disciplinare --libero--
   

12 cfu così ripartiti nelle aree:

  • 12 CFU nell'area NCP - Crediti Non Classificabili a priori

Sillabo dell'insegnamento

    Non è presente il sillabo poiché non vi sono crediti allocati in aree per cui è previsto.


Riepilogo dell'insegnamento: Metodi avanzati per la programmazione
Nome Metodi avanzati per la programmazione CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare INF/01
   

6 cfu così ripartiti nelle aree:

  • 6 CFU nell'area C - Programmazione

Sillabo dell'insegnamento

  • C - Programmazione
    • * POO - Programmazione Orientata agli Oggetti
      La modellazione ad oggetti. Introduzione teorica. Confronto rispetto alla modellazione Entità/Relazione. Tecniche di persistenza dei modelli ad oggetti. La persistenza in Java EE 7: Java Persistence API. Implementazioni pratiche di persistenza su back-end SQL e noSQL
    • * POO - Programmazione Orientata agli Oggetti
      La programmazione web mediante linguaggi OO. Evoluzione dello sviluppo WEB in ambiente Java . Lo sviluppo di applicazioni WEB in Java EE 7. Modularità e riuso nelle applicazioni WEB. Lo sviluppo a componenti: Java Server Faces
    • * POO - Programmazione Orientata agli Oggetti
      La modularizzazione del codice. Inversion of Control. Dependency Injection. Aspect-Oriented Programming. La programmazione funzionale e i linguaggio OO.
    • * POO - Programmazione Orientata agli Oggetti
      Dependency Injection in Java EE 7. Java CDI. I componenti (beans) CDI : definizione e gestione. Il ciclo di vita dei beans CDI : gli scope CDI.
    • * POO - Programmazione Orientata agli Oggetti
      CDI e sviluppo web. Integrazione CDI ? Java Server Faces. Gli scope conversation e flow
    • * POO - Programmazione Orientata agli Oggetti
      Lo sviluppo di applicazioni client-server in ambiente mobile. Framework e ambienti. Lo sviluppo di servizi rest. Comunicazione client/server , metodi http e linguaggio JSON.

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).


Riepilogo dell'insegnamento: Metodi e modelli matematici per le applicazioni
Nome Metodi e modelli matematici per le applicazioni CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare MAT/07
   

6 cfu così ripartiti nelle aree:

  • 6 CFU nell'area MAT - Crediti di MATEMATICA

Sillabo dell'insegnamento

  • MAT - Crediti di MATEMATICA
    • MAT/07 - Fisica Matematica
      Costruzione di equazioni differenziali alle derivate parziali di tipo parabolico, iperbolico e di reazione-diffusione, a partire da leggi di bilancio descriventi processi fisici ideali. Metodi analitici per lo studio dell'esistenza e della regolarità delle loro soluzioni.
    • MAT/07 - Fisica Matematica
      Metodi analitici per lo studio dell'esistenza e della regolarità delle loro soluzioni.
    • MAT/07 - Fisica Matematica
      Metodi numerici alle differenze finite per la risoluzione di equazioni differenziali alle derivate parziali di tipo parabolico, iperbolico ed equazioni di reazione-diffusione.
    • MAT/07 - Fisica Matematica
      Serie di Fourier e trasformata di Fourier discreta.
    • MAT/07 - Fisica Matematica
      Metodi spettrali e pseudo-spettrali di Fourier e di Chebyshev per la risoluzione numerica di equazioni alle derivate parziali di tipo parabolico, iperbolico.
    • MAT/07 - Fisica Matematica
      Equazioni di reazione-diffusione.

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).


Riepilogo dell'insegnamento: Reti e sicurezza informatica
Nome Reti e sicurezza informatica CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare INF/01
   

6 cfu così ripartiti nelle aree:

  • 6 CFU nell'area H - Computazione su rete

Sillabo dell'insegnamento

  • H - Computazione su rete
    • * SR - Sicurezza delle Reti
      Architettura di sicurezza del modello OSI. Servizi di sicurezza. Meccanismi di sicurezza. Modelli per la sicurezza di rete.
    • * SR - Sicurezza delle Reti
      Crittografia Classica. Tecniche di crittografia classiche e crittoanalisi. Cifrari di Cesare, Playfair e Hill. Cifrari a sostituzione polialfabetica. Macchine cifranti. One-time pad. Steganografia.
    • * SR - Sicurezza delle Reti
      Crittografia Simmetrica. Principi della cifratura a blocchi. Strutture di Feistel. DES e modalità operative. Crittoanalisi lineare e differenziale. Standard AES. Cifratura AES. Trasformazioni: substitute bytes, shift rows, mix columns, add round key. Cifratura inversa equivalente. Cifratura a flussi e RC4
    • * SR - Sicurezza delle Reti
      Crittografia chiave pubblica e funzioni hash: Crittografia Asimmetrica. Principi dei crittosistemi a chiave pubblica. RSA. Sicurezza e aspetti computazionali. Test di primalità. Gestione delle chiavi. Crittografia a curva ellittica. Funzioni Hash e MAC. Funzioni hash: attacco a compleanno, funzioni hash iterate, MD4, MD5, SHA-1, funzioni hash basate su cifrari a blocchi. Message Authentication Code: CBC-MAC, MAC basati su funzioni hash, HMAC, Firme Digitali, Digital Signature Standard, DSA
    • * PT - Protocolli
      Sicurezza di rete e Web Sicurezza a livello di rete - protocollo IPsec. Protocollo DNSSec. Proxy servers, NAT. Sicurezza a livello di trasporto - protocollo SSL, Virtual Private Networks. Sicurezza a livello applicazione - HTTPS, POP3/IMAP/SMTP over SSL.
    • * SR - Sicurezza delle Reti
      Sicurezza di sistema: Intrusioni. Rilevamento delle intrusioni. software doloso, I virus e altre minacce correlate. Contromisure contro i virus. Gli attacchi DoS distribuiti. Firewall: progettazione e configurazione. Sistemi trusted.

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).


Riepilogo dell'insegnamento: Reti radiomobili
Nome Reti radiomobili CFU 9
Ore di didattica frontale per CFU 9 Settore Scientifico Disciplinare ING-INF/03
   

9 cfu così ripartiti nelle aree:

  • 9 CFU nell'area altro - Crediti NON dell'INFORMATICA né della MATEMATICA

Sillabo dell'insegnamento

    Non è presente il sillabo poiché non vi sono crediti allocati in aree per cui è previsto.


Riepilogo dell'insegnamento: Scienza e ingegneria degli algoritmi
Nome Scienza e ingegneria degli algoritmi CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare INF/01
   

6 cfu così ripartiti nelle aree:

  • 1 CFU nell'area A - Fondamenti
  • 5 CFU nell'area B - Algoritmi

Sillabo dell'insegnamento

  • A - Fondamenti
    • COM - Complessità
      Approssimabilita' di problem NP-hard, Un caso di Studio: Il problem del Commesso Viaggiatore. 

  • B - Algoritmi
    • * SDF - Strutture di Dati Fondamentali
      Red-Black Trees, Liste e gestione amortized.
    • * SDF - Strutture di Dati Fondamentali
      Rappresentazione Universale Interi e Unbounded Search
    • TAPA - Tecniche fondamentali di Analisi e Progetto di Algoritmi
      Analisi ammortizzata di algoritmi. Ricerca in Insiemi non limitati, Algoritmi streaming e loro progetto.
    • TAPA - Tecniche fondamentali di Analisi e Progetto di Algoritmi
      Paradigmi per progetto algoritmi per Big Data
    • * A - Algoritmi fondamentali
      Self-adjusting binary trees; speed-ups in Programmazione Dinamica, Algoritmi di Compressione Dati

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).


Riepilogo dell'insegnamento: Teorica dell'informazione e compressione
Nome Teorica dell'informazione e compressione CFU 6
Ore di didattica frontale per CFU 6 Settore Scientifico Disciplinare INF/01
   

6 cfu così ripartiti nelle aree:

  • 6 CFU nell'area A - Fondamenti

Sillabo dell'insegnamento

  • A - Fondamenti
    • TIC - Teoria dell'Informazione e Codici
      Introduzione alla teoria dell'Informazione di Shannon. Lo schema di Shannon: sorgente e canale. Sorgenti senza memoria e canali senza rumore. Entropia della sorgente come misura dell'informazione prodotta dalla sorgente nell'unità di tempo. Proprietà dell'entropia. Codifica del canale. Costo della codifica: lunghezza media del codice. Problema di minimizzazione del costo. Entropia e compressione. Asymptotic Equipartition Property (AEP).
    • TIC - Teoria dell'Informazione e Codici
      Teoria dei codici a lunghezza variabile. Codici univocamente decifrabili. Algoritmo di Sardinas e Patterson. Disuguaglianza di Kraft-McMillan. Codici con ritardo (di decifrazione) finito. Codici prefissi. Codici bifissi. Codici massimali. Teorema di Schutzenberger sui codici massimali a ritardo limitato. Codici prefissi, codici bifissi e disuguaglianza di Kraft-McMillan.
    • TIC - Teoria dell'Informazione e Codici
      Metodi statistici di compressione. Teorema di Shannon. Codici ottimali. Costo della trasmissione e condizioni di decifrabilità. Caso di costo del canale non uniforme e congettura di Schutzenberger. Codice di Shor. Problema del completamento dei codici. Codifica delle sorgenti estese. Entropia e compressione dati. Ricerca di codici ottimali: metodo di Shannon, algoritmo di Shannon-Fano, algoritmo di Huffman, codifica aritmetica.
    • TIC - Teoria dell'Informazione e Codici
      Metodi dinamici di codifica e compressione. Algoritmo di Bentley, Sleator, Tarjan e Wei: Move-To-Front (MTF) Codifica universale. Codifica degli interi. Codifica γ e δ di Elias. Codifica di Fibonacci. Unbounded searching (Bentley e Yao)
    • TIC - Teoria dell'Informazione e Codici
      Metodi di compressione dati. Cenni sulla Teoria Algoritmica dell'Informazione. Teoria algoritmica dell' informazione e Compressione grammaticale. Compressione basata su dizionari. Algoritmi di Lempel-Ziv: LZ77 e LZ78. Analisi di LZ78.
    • TIC - Teoria dell'Informazione e Codici
      Block-sorting data compression methods di Burrows e Wheeler. La Trasformata di Burrows-Wheeler (BWT). Invertibilità della BWT. Proprietà matematiche della BWT. Calcolo della BWT mediante il suffix-tree. Perchè l'output della BWT è più comprimibile: clustering effect. Metodo di compressione: BWT + MTF + Huffman. Analisi del metodo di compressione basato su BWT. Sorgenti con memoria e entropia empirica di ordine k. Compressione e combinatoria delle parole

Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).