Studying at the University of Verona

Here you can find information on the organisational aspects of the Programme, lecture timetables, learning activities and useful contact details for your time at the University, from enrolment to graduation.

Academic calendar

The academic calendar shows the deadlines and scheduled events that are relevant to students, teaching and technical-administrative staff of the University. Public holidays and University closures are also indicated. The academic year normally begins on 1 October each year and ends on 30 September of the following year.

Academic calendar

Course calendar

The Academic Calendar sets out the degree programme lecture and exam timetables, as well as the relevant university closure dates..

Academic year:
Definition of lesson periods
Period From To
Sep 30, 2002 Nov 29, 2002
Jan 13, 2003 Mar 14, 2003
Apr 7, 2003 Jun 13, 2003
Exam sessions
Session From To
First term Dec 9, 2002 Dec 20, 2002
Second term Mar 24, 2003 Apr 4, 2003
Third term Jun 23, 2003 Jul 4, 2003
First extra term Jul 7, 2003 Jul 18, 2003
Second extra term Sep 1, 2003 Sep 12, 2003
Third extra term Sep 15, 2003 Sep 26, 2003
Degree sessions
Session From To
1 Mar 17, 2004 Mar 17, 2004
Holidays
Period From To
Easter Holidays Apr 18, 2003 Apr 27, 2003

Exam calendar

Exam dates and rounds are managed by the relevant Science and Engineering Teaching and Student Services Unit.
To view all the exam sessions available, please use the Exam dashboard on ESSE3.
If you forgot your login details or have problems logging in, please contact the relevant IT HelpDesk, or check the login details recovery web page.

Exam calendar

Should you have any doubts or questions, please check the Enrolment FAQs

Academic staff

A B C D F M O P Q R S

Acquaviva Andrea

andrea.acquaviva@univr.it +39 045 802 7059

Belussi Alberto

alberto.belussi@univr.it +39 045 802 7980

Bonacina Maria Paola

mariapaola.bonacina@univr.it +39 045 802 7046

Cristani Matteo

matteo.cristani@univr.it 045 802 7983

De Marchi Stefano

stefano.demarchi@univr.it 045 8027978

Fiorini Paolo

paolo.fiorini@univr.it 045 802 7963

Fusiello Andrea

nome.cognome[at]uniud.it

Mariotto Gino

gino.mariotto@univr.it +39 045 8027031

Masini Andrea

andrea.masini@univr.it 045 802 7922

Mastroeni Isabella

isabella.mastroeni@univr.it +39 045 802 7089

Monti Francesca

francesca.monti@univr.it 045 802 7910

Morato Laura Maria

laura.morato@univr.it 045 802 7904

Murino Vittorio

vittorio.murino@univr.it 045 802 7996

Oliboni Barbara

barbara.oliboni@univr.it +39 045 802 7077

Pica Angelo

angelo.pica@univr.it

Posenato Roberto

roberto.posenato@univr.it +39 045 802 7967

Quaglia Davide

davide.quaglia@univr.it +39 045 802 7811

Rocchesso Davide

davide.rocchesso@univr.it

Segala Roberto

roberto.segala@univr.it 045 802 7997

Study Plan

The Study Plan includes all modules, teaching and learning activities that each student will need to undertake during their time at the University. Please select your Study Plan based on your enrolment year.

ModulesCreditsTAFSSD
ModulesCreditsTAFSSD
ModulesCreditsTAFSSD
ModulesCreditsTAFSSD
Un insegnamento affine dell'area fisica a scelta dello studente
Due insegnamenti affini (area matematica) a scelta per complessivi 10 crediti
4 insegnamenti caratterizzanti a scelta per un totale di 20 crediti (la scelta di 4 insegn. al 4° anno è un suggerimento, il vincolo è: 7 insegn. tra N.6 e N.8)
ModulesCreditsTAFSSD
3 insegnamenti caratterizzanti a scelta per un totale di 15 crediti (la scelta di 3 insegn. al 5° anno è un suggerimento, il vincolo è: 7 insegn. tra N.6 e N.8)
Laboratorio di sistemi Intelligenti e Multimediali
10
E
-
Altre attività formative
6
F
-
Prova finale
24
E
-

1° Year

ModulesCreditsTAFSSD

2° Year

ModulesCreditsTAFSSD

3° Year

ModulesCreditsTAFSSD

4° Year

ModulesCreditsTAFSSD
Un insegnamento affine dell'area fisica a scelta dello studente
Due insegnamenti affini (area matematica) a scelta per complessivi 10 crediti
4 insegnamenti caratterizzanti a scelta per un totale di 20 crediti (la scelta di 4 insegn. al 4° anno è un suggerimento, il vincolo è: 7 insegn. tra N.6 e N.8)

5° Year

ModulesCreditsTAFSSD
3 insegnamenti caratterizzanti a scelta per un totale di 15 crediti (la scelta di 3 insegn. al 5° anno è un suggerimento, il vincolo è: 7 insegn. tra N.6 e N.8)
Laboratorio di sistemi Intelligenti e Multimediali
10
E
-
Altre attività formative
6
F
-
Prova finale
24
E
-

Legend | Type of training activity (TTA)

TAF (Type of Educational Activity) All courses and activities are classified into different types of educational activities, indicated by a letter.




SPlacements in companies, public or private institutions and professional associations

Teaching code

4S00072

Credits

5

Language

Italian

Scientific Disciplinary Sector (SSD)

INF/01 - INFORMATICS

Period

3rd quadrimester dal Apr 2, 2007 al Jun 8, 2007.

Learning outcomes

Il corso intende fornire i fondamenti teorici e le metodologie principali relative all’analisi e riconoscimento automatico di dati di qualsiasi tipo, detti tipicamente pattern. Questa disciplina è alla base o completa molte altre discipline di più larga diffusione come l’elaborazione delle immagini, la visione, l’intelligenza artificiale, l’analisi di grosse quantità di dati, le basi di dati, e numerose altre.
• Nel corso verrà data enfasi alle tecniche probabilistiche con particolar riferimento all’addestramento di sistemi volti al riconoscimento (anche di immagini, ma non solo) e alle reti neurali.
• Le applicazioni che questa disciplina coinvolge sono molteplici. Tra queste ci sono le applicazioni legati all’elaborazione delle immagini e visione, data mining, la bioinformatica, analisi ed interpretazione di dati medicali e biologici (e.g., genomica, proteomica, sierologia, etc.), la biometria, l'imaging biomedicale, la videosorveglianza, la robotica, il riconoscimento della voce e numerose altre.

Program

Introduzione: cos’è, a cosa serve, sistemi, applicazioni
•Riconoscimento e classificazione
•Estrazione e rappresentazione di caratteristiche (feature)
•Teoria della decisione di Bayes
•Stima dei parametri e metodi non parametrici
•Classificatori lineari, non lineari e funzioni discriminanti
•Cenni di Pattern Recognition di tipo sintattico
•Selezione di feature
•Reti neurali
•Metodi di classificazione non supervisionata (clustering)
•Metodi avanzati: Hidden Markov Models.

Il corso viene svolto in 32 ore di lezioni frontali e 12 ore di laboratorio. L'attività di laboratorio prevede la pratica e risoluzione di esercizi mediante l'uso di MATLAB volti all'apprendimento pratico e alla miglior comprensione della teoria svolta a lezione.

Reference texts
Author Title Publishing house Year ISBN Notes
C.M. Bishop Neural Networks for Pattern Recognition Oxford University Press 1995
R. Duda, P. Hart, D. Stork Pattern Classification Wiley 2001 Testo principale
S. Theodoridis, K. Koutroumbas Pattern Recognition Academic Press 1998 Testo secondario, con una estesa sezione sul clustering
C.M. Bishop Pattern Recognition and Machine Learning Springer 2006 Testo nuovo e interessante, da valutare

Examination Methods

La verifica del profitto avverrà mediante un'attività di progetto e una breve prova orale.
Il progetto riguarderà gli argomenti trattati a lezione con riferimento all'elaborazione delle immagini e visione, ma anche altre applicazioni potranno essere considerate.
La prova orale verterà sui temi sviluppati a lezione e potrà essere sostituita da una prova scritta con brevi domande simili alla prova orale.
Il superamento della prova porta all'acquisizione di 5 crediti, ovvero di 1 unità didattica.

Bibliography

Type D and Type F activities

Academic year:

Modules not yet included

Career prospects


Module/Programme news

News for students

There you will find information, resources and services useful during your time at the University (Student’s exam record, your study plan on ESSE3, Distance Learning courses, university email account, office forms, administrative procedures, etc.). You can log into MyUnivr with your GIA login details.

Further services

I servizi e le attività di orientamento sono pensati per fornire alle future matricole gli strumenti e le informazioni che consentano loro di compiere una scelta consapevole del corso di studi universitario.