Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Calendario accademico
Il calendario accademico riporta le scadenze, gli adempimenti e i periodi rilevanti per la componente studentesca, personale docente e personale dell'Università. Sono inoltre indicate le festività e le chiusure ufficiali dell'Ateneo.
L’anno accademico inizia il 1° ottobre e termina il 30 settembre dell'anno successivo.
Calendario didattico
Il calendario didattico indica i periodi di svolgimento delle attività formative, di sessioni d'esami, di laurea e di chiusura per le festività.
| Periodo | Dal | Al |
|---|---|---|
| I sem. | 2-ott-2017 | 31-gen-2018 |
| II sem. | 1-mar-2018 | 15-giu-2018 |
| Sessione | Dal | Al |
|---|---|---|
| Sessione invernale d'esame | 1-feb-2018 | 28-feb-2018 |
| Sessione estiva d'esame | 18-giu-2018 | 31-lug-2018 |
| Sessione autunnale d'esame | 3-set-2018 | 28-set-2018 |
| Sessione | Dal | Al |
|---|---|---|
| Sessione Estiva Lauree Magistrali | 19-lug-2018 | 19-lug-2018 |
| Sessione Autunnale Lauree Magistrali | 18-ott-2018 | 18-ott-2018 |
| Sessione Invernale Lauree Magistrali | 21-mar-2019 | 21-mar-2019 |
| Periodo | Dal | Al |
|---|---|---|
| Vacanze di Natale | 22-dic-2017 | 7-gen-2018 |
| Vacanze di Pasqua | 30-mar-2018 | 3-apr-2018 |
| Festa del Santo Patrono - S. Zeno | 21-mag-2018 | 21-mag-2018 |
| Vacanze estive | 6-ago-2018 | 19-ago-2018 |
Calendario esami
Gli appelli d'esame sono gestiti dalla Unità Operativa Segreteria Corsi di Studio Scienze e Ingegneria.
Per consultazione e iscrizione agli appelli d'esame visita il sistema ESSE3.
Per problemi inerenti allo smarrimento della password di accesso ai servizi on-line si prega di rivolgersi al supporto informatico della Scuola o al servizio recupero credenziali
Per dubbi o domande leggi le risposte alle domande più frequenti F.A.Q. Iscrizione Esami
Docenti
Bloisi Domenico Daniele
domenico.bloisi@univr.it
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
2° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Teorie e tecniche del riconoscimento (2017/2018)
Codice insegnamento
4S02803
Docente
Coordinatore
Crediti
6
Lingua di erogazione
Italiano
Settore Scientifico Disciplinare (SSD)
ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Periodo
II sem. dal 1-mar-2018 al 15-giu-2018.
Obiettivi formativi
Il corso si propone di fornire: i) principi metodologici alla base della classificazione: ii) tecniche di estrazione e selezione di caratteristiche; iii) tecniche di apprendimento automatico per il riconoscimento supervisionato e non, parametriche e non; iv) tecniche di cross-validation per la validazione di strumenti di riconoscimento.
Al termine del corso lo studente dovrà dimostrare di essere in grado di capire se un problema di classificazione possa essere risolto al netto delle tecnologie esistenti e se la tipologia di algoritmo di apprendimento debba essere utilizzato per l'addestramento di un classificatore.
Inoltre lo studente dovrà dimostrare di: i) capire che tipo di caratteristiche o pattern debbano essere estratte dai dati provenienti da un sensore; ii) capire che tipologia di classificatore o riconoscitore debba essere utilizzato in risposta ad un determinato problema: iii) capire la complessità del problema di riconoscimento in termini computazionali; iv) avere la capacità di programmare del software che faccia riconoscimento su dati di problemi reali; v) essere in grado di usare del codice altrui e modificarlo adattandolo al problema in esame.
Queste conoscenze consentiranno allo studente di capire: i) quando un classificatore è stato addestrato correttamente; ii) che performance aspettarsi da un classificatore applicato ad un nuovo problema.
Alla fine del corso lo studente sarà in grado di comprendere un articolo scientifico di apprendimento automatico o riconoscimento di recente redazione.
Programma
Il programma del corso può essere diviso in due ambiti, quello metodologico e quello applicativo, che procederanno di pari passo durante le lezioni.
Metodologie
--- Introduzione: sistemi di classificazione, tipologie di classificazione, applicazioni di classificazione
>>CLASSIFICAZIONE SUPERVISIONATA<<
--- Teoria della decisione di Bayes, minimizzazione del rischio
--- classificatori lineari, non lineari e funzioni discriminanti
--- Selezione ed estrazione di feature, Principal Component Analysis, Fisher Linear Discriminant Analysis
--- Stima dei parametri di un classificatore: Stima Maximum Likelihood, MAP, Bayesiana
--- Stima di singola Gaussiana e Mistura di Gaussiane:Algoritmo Expectation-Maximization esatto e approssimazioni variazionali (Mean Field)
--- Metodi non parametrici per l’addestramento di un classificatori: Parzen Windows e K-Nearest-Neighbor
--- Metodi di Monte Carlo per la stima dinamica di densità, Particle Filtering
--- Markov models e Hidden Markov Models
>>CLASSIFICAZIONE NON SUPERVISIONATA<<
--- Metodi partizionali (k-means e x-means), gerarchici (single-double linkage)
--- Criteri di validazione interni e esterni
Applicazioni
--Classificazione binaria e multiclasse su benchmark reali
--Riconoscimento di volti
--Tracking
Testi per il corso:
- Richard O. Duda, Peter E. Hart, and David G. Stork. 2000. Pattern Classification (2nd Edition). Wiley-Interscience.
- Christopher M. Bishop. 2006. Pattern Recognition and Machine Learning (Information Science and Statistics). Springer-Verlag New York, Inc., Secaucus, NJ, USA.
| Autore | Titolo | Casa editrice | Anno | ISBN | Note |
|---|---|---|---|---|---|
| R. Duda, P. Hart, D. Stork | Pattern Classification | Wiley | 2001 | ||
| C.M. Bishop | Pattern Recognition and Machine Learning | Springer | 2006 |
Modalità d'esame
La modalità di accertamento dell’esame è orale; i contenuti richiesti saranno quelli visti a lezione, come indicato dal programma del corso. In particolare, laddove sia necessario, sarà richiesta la dimostrazione formale di un procedimento. In tutti i casi, le domande riguarderanno un problema di classificazione in cui lo studente dovrà suggerire la tecnica più adatta al caso in oggetto, dimostrandone formalmente le sue caratteristiche. Dipendentemente dalla soluzione proposta dallo studente rispetto al problema di classificazione postogli come quesito (20 punti totale), e dalla precisione con cui gli argomenti verranno esposti (10 punti), verrà composto il voto finale.
Bibliografia
Tipologia di Attività formativa D e F
Insegnamenti non ancora inseriti
Prospettive
Avvisi degli insegnamenti e del corso di studio
Per la comunità studentesca
Se sei già iscritta/o a un corso di studio, puoi consultare tutti gli avvisi relativi al tuo corso di studi nella tua area riservata MyUnivr.
In questo portale potrai visualizzare informazioni, risorse e servizi utili che riguardano la tua carriera universitaria (libretto online, gestione della carriera Esse3, corsi e-learning, email istituzionale, modulistica di segreteria, procedure amministrative, ecc.).
Entra in MyUnivr con le tue credenziali GIA.
Ulteriori servizi
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.
Prova Finale
Alla tesi di laurea sono dedicati 24 CFU, per un lavoro che non deve superare i 4-5 mesi a tempo pieno per la/o studentessa/studente.
Scopo della Tesi di Laurea
La Tesi di Laurea costituisce un importante ed imprescindibile passo nella formazione della/del futura/o laureata/o Magistrale in Ingegneria e Scienze Informatiche. Scopo della tesi è quello di sviluppare uno studio quanto più originale che può culminare con un progetto applicativo o un risultato teorico connesso a specifici problemi di natura progettuale o una rassegna critica sullo stato dell'arte in un determinato ambito di studio. Su proposta della/del relatrice/relatore, può essere compilato e discusso in lingua straniera. Nel corso dello svolgimento della Tesi il laureando dovrà, sotto la guida della relatrice/relatore ed eventuali correlatrici/correlatori, affrontare lo studio e l'approfondimento degli argomenti scelti, ma anche acquisire capacità di sintesi e applicazione creativa delle conoscenze acquisite. Il contenuto della Tesi deve essere inerente a tematiche dell'ingegneria e delle Scienze Informatiche o discipline strettamente correlate. La Tesi consiste nella presentazione in forma scritta di attività che possono essere articolate come:
i) progettazione e sviluppo di applicazioni o sistemi;
ii) analisi critica di contributi tratti dalla letteratura scientifica;
iii) contributi originali di ricerca.
La Tesi può essere redatta sia in lingua inglese che in lingua italiana, e può essere discussa sia in inglese che in italiano, anche mediante l'ausilio di supporti multimediali quali slide, filmati, immagini e suoni. Nel caso di tesi redatta in lingua italiana alla medesima dovrà essere aggiunto un breve riassunto in lingua inglese.
Modalità di svolgimento e valutazione
Ogni Tesi di Laurea può essere interna o esterna a seconda che sia svolta presso l'Università di Verona o in collaborazione con altro ente, rispettivamente. Ogni Tesi prevede una/un relatrice/relatore eventualmente affiancata/o da una/uno o più correlatrici/correlatori e una/un controrelatrice/controrelatore. La/il controrelatrice/controrelatore è nominata/o dal Collegio Didattico di Informatica almeno 20 giorni prima della discussione della Tesi, verificata l'ammissibilità della/o studentessa/studente a sostenere l’esame di Laurea Magistrale. Per quanto riguarda gli aspetti giuridici (e.g., proprietà intellettuale dei risultati) legati alla Tesi e ai risultati ivi contenuti si rimanda alla legislazione vigente in materia ed ai Regolamenti di Ateneo.
Valutazione delle Tesi
I criteri su cui sono chiamati ad esprimersi relatore ed eventuali correlatori e controrelatore sono i seguenti:
1. livello di approfondimento del lavoro svolto, in relazione allo stato dell'arte dei settori disciplinari di pertinenza informatica;
2. avanzamento conoscitivo o tecnologico apportato dalla Tesi;
3. impegno critico espresso dalla/dal laureanda/o;
4. impegno sperimentale e/o di sviluppo formale espresso dal laureando;
5. autonomia di lavoro espressa dalla/dal laureanda/o;
6. significatività delle metodologie impiegate;
7. accuratezza dello svolgimento e della scrittura;
8. la/il controrelatrice/controrelatore non è chiamata/o ad esprimersi sul punto 5.
Voto di Laurea
Il voto di Laurea (espresso in 110mi) è un valore intero compreso tra 66/110 e 110/110 e viene formato dalla somma, arrotondata al numero intero più vicino (e.g., 93.50 diventa 94, 86.49 diventa 86), dei seguenti addendi:
1. media pesata sui crediti e rapportata a 110 dei voti conseguiti negli esami di profitto;
2. valutazione del colloquio di Laurea e della Tesi secondo le seguenti modalità:
a. attribuzione di un coefficiente compreso tra 0 e 1 (frazionario con una cifra decimale) per ciascuno dei punti 1-7 elencati sopra;
b. attribuzione di un coefficiente compreso tra 0 e 1 (frazionario con una cifra decimale) per la qualità della presentazione;
c. somma dei coefficienti attribuiti ai punti a e b.
La presenza di eventuali lodi ottenute negli esami sostenuti, la partecipazione a stage ufficialmente riconosciuti dal Collegio Didattico di Informatica, il superamento di esami in soprannumero ed il raggiungimento della Laurea in tempi contenuti rispetto alla durata legale del corso degli studi possono essere utilizzati dalla Commissione di Laurea per attribuire un ulteriore incremento di un punto.
Qualora la somma ottenuta raggiunga 110/110, la Commissione può decidere l'attribuzione della lode. La lode viene proposta e discussa dalla Commissione, senza l'adozione di particolari meccanismi di calcolo automatico. In base alle norme vigenti, la lode viene attribuita solo se il parere è unanime.
Tesi esterne
Una Tesi esterna viene svolta in collaborazione con un ente diverso dall'Università di Verona. In tal caso, la/il laureanda/o dovrà preventivamente concordare il tema della Tesi con una/un relatrice/relatore dell'Ateneo. Inoltre, è previsto almeno una/un correlatrice/correlatore appartenente all'ente esterno, quale riferimento immediato per la/o studentessa/studente nel corso dello svolgimento dell’attività di Tesi. Relatrice/relatore e correlatrici/correlatori devono essere indicate/i nella domanda di assegnazione Tesi. Le modalità assicurative della permanenza della/o studentessa/studente presso l'Ente esterno sono regolate dalle norme vigenti presso l'Università di Verona. Se la Tesi si configura come un periodo di formazione presso tale ente, allora è necessario stipulare una convenzione tra l'Università e detto ente. I risultati contenuti nella Tesi sono patrimonio in comunione di tutte le persone ed enti coinvolti. In particolare, i contenuti ed i risultati della Tesi sono da considerarsi pubblici. Per tutto quanto riguarda aspetti non strettamente scientifici (e.g. convenzioni, assicurazioni) ci si rifà alla delibera del SA. del 12 gennaio 1999
Relatrice/relatore,correlatrici/correlatori,controrelatrici/controrelatori
La Tesi di Laurea viene presentata da una/un relatrice/relatore docente di ruolo del Dipartimento di Informatica o inquadrato nei SSD ING-INF/05 e INF/01. Oltre a coloro che hanno i requisiti indicati rispetto al ruolo di relatrice/relatore (come indicato sopra), possono svolgere il ruolo di correlatrici/correlatori anche ricercatrici/ricercatori operanti in istituti di ricerca extrauniversitari assegnisti di ricerca, titolari di borsa di studio post-dottorato, dottorandi di ricerca, personale tecnico del Dipartimento, cultrici/cultori della materia nominate/i da un Ateneo italiano ed ancora in vigore, referenti aziendali esperte/i nel settore considerato nella Tesi. Può essere nominata/o controrelatrice/controrelatore qualunque docente professoressa/professore o ricercatrice/ricercatore del Dipartimento di Informatica dell'Università degli Studi di Verona, che risulti particolarmente competente nell'ambito specifico di studio della Tesi.
Elenco delle proposte di tesi e stage
Modalità di frequenza
Come riportato nel Regolamento Didattico per l'A.A. 2021/2022, la frequenza al corso di studio non è obbligatoria.
Per le modalità di erogazione della didattica, si rimanda alle informazioni in costante aggiornamento dell'Unità di Crisi.
