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..

Definition of lesson periods
Period From To
Primo semestre Oct 4, 2021 Jan 28, 2022
Secondo semestre Mar 7, 2022 Jun 10, 2022
Exam sessions
Session From To
Sessione invernale d'esame Jan 31, 2022 Mar 4, 2022
Sessione estiva d'esame Jun 13, 2022 Jul 29, 2022
Sessione autunnale d'esame Sep 1, 2022 Sep 29, 2022
Degree sessions
Session From To
Sessione Estiva Jul 15, 2022 Jul 15, 2022
Sessione Autunnale Oct 14, 2022 Oct 14, 2022
Sessione Invernale Mar 14, 2023 Mar 14, 2023
Holidays
Period From To
Festa di Tutti i Santi Nov 1, 2021 Nov 1, 2021
Festa dell'Immacolata Concezione Dec 8, 2021 Dec 8, 2021
Festività natalizie Dec 24, 2021 Jan 2, 2022
Festa dell'Epifania Jan 6, 2022 Jan 7, 2022
Festività pasquali Apr 15, 2022 Apr 19, 2022
Festa della Liberazione Apr 25, 2022 Apr 25, 2022
Festività Santo Patrono di Verona May 21, 2022 May 21, 2022
Festa della Repubblica Jun 2, 2022 Jun 2, 2022
Chiusura estiva Aug 15, 2022 Aug 20, 2022

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

B C D F G M O P R S

Belussi Alberto

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

Bombieri Nicola

nicola.bombieri@univr.it +39 045 802 7094

Busato Federico

federico.busato@univr.it

Carra Damiano

damiano.carra@univr.it +39 045 802 7059

Castellani Umberto

umberto.castellani@univr.it +39 045 802 7988

Ceccato Mariano

mariano.ceccato@univr.it

Cicalese Ferdinando

ferdinando.cicalese@univr.it +39 045 802 7969

Cristani Matteo

matteo.cristani@univr.it 045 802 7983

Cristani Marco

marco.cristani@univr.it +39 045 802 7841

Cubico Serena

serena.cubico@univr.it 045 802 8132

Dalla Preda Mila

mila.dallapreda@univr.it

Di Pierro Alessandra

alessandra.dipierro@univr.it +39 045 802 7971

Farinelli Alessandro

alessandro.farinelli@univr.it +39 045 802 7842

Fiorini Paolo

paolo.fiorini@univr.it 045 802 7963

Fratea Caterina

caterina.fratea@univr.it 045 802 8858

Fummi Franco

franco.fummi@univr.it 045 802 7994

Giacobazzi Roberto

roberto.giacobazzi@univr.it +39 045 802 7995

Maris Bogdan Mihai

bogdan.maris@univr.it +39 045 802 7074

Masini Andrea

andrea.masini@univr.it 045 802 7922

Mastroeni Isabella

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

Mazzi Giulio

giulio.mazzi@univr.it

Menegaz Gloria

gloria.menegaz@univr.it +39 045 802 7024

Merro Massimo

massimo.merro@univr.it 045 802 7992

Oliboni Barbara

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

Paci Federica Maria Francesca

federicamariafrancesca.paci@univr.it +39 045 802 7909

Pianezzi Daniela

daniela.pianezzi@univr.it

Posenato Roberto

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

Rizzi Romeo

romeo.rizzi@univr.it +39 045 8027088

Sala Pietro

pietro.sala@univr.it 0458027850

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.

CURRICULUM TIPO:
ModulesCreditsTAFSSD
Final exam
24
E
-

1° Year

2° Year

ModulesCreditsTAFSSD
Final exam
24
E
-
Modules Credits TAF SSD
Between the years: 1°- 2°
Between the years: 1°- 2°
Between the years: 1°- 2°
Between the years: 1°- 2°
Further activities
3
F
-
Between the years: 1°- 2°
3
F
L-LIN/12

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

4S008902

Credits

6

Language

Italian

Scientific Disciplinary Sector (SSD)

ING-INF/05 - INFORMATION PROCESSING SYSTEMS

The teaching is organized as follows:

Teoria

Credits

5

Period

Secondo semestre

Academic staff

Marco Cristani

Laboratorio

Credits

1

Period

Secondo semestre

Academic staff

Marco Cristani

Learning outcomes

The course aims to provide the theoretical foundations and describe the main methodologies relating to the machine learning area. In particular, the course will deal with the methods of analysis, recognition and automatic classification of data of any type, typically called patterns. These disciplines are the basis, are used, and often complete many other disciplines and application areas of wide diffusion, such as computational vision, robotics, image processing, data mining, analysis and interpretation of medical and biological data, bioinformatics, biometrics, video surveillance, speech and text recognition and many others. More precisely, the methodologies that will be introduced in the course are often an integral part of the aforementioned application areas, and constitute the "intelligent" part with the final objective of understanding (classifying, recognizing, analyzing) the data coming from the process of interest ( whether they are signals, images, strings, categorical, or other types). Starting from the type of measured data, the entire analysis pipeline will be considered such as the extraction and selection of characteristics; supervised and unsupervised machine learning methods, parametric and non-parametric analysis techniques, and validation protocols. Finally, the recent deep learning techniques will be analyzed in general with some case studies. In conclusion, the course aims to provide the student with a set of theoretical foundations and algorithmic tools to address the problems that can be encountered in strategic and innovative industrial sectors such as those involving the processing of large amounts of data (big data), multimedia, visual inspection of products and automation in general.

Program

The course can be divided into two parts, the methodology and the application, which go hand in hand during the course.

Methodologies
- Introduction
- Recognition and classification
- Bayesian Decision Theory
- Parameters Estimation
- Nonparametric Methods of Parameters Estimation
- Linear and non-linear discriminant functions
- Extraction and feature selection, PCA, Fisher transform
- Expectation-Maximization Algorithm on mixtures of Gaussians
- Generative and discriminative methods
- Kernel Methods and Support Vector Machines
- Hidden Markov Models
- Methods for unsupervised classification (clustering)
- Pattern recognition for the analysis and recognition in images and videos

Applications
- Face recognition
- Tracking
- Video surveillance

Textbooks:
- 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.

Examination Methods

Oral Exam:
the oral discussion will be composed on two parts: theory + lab
The discussion on the lab part will be focused on a small code project – homework, and precisely on how the homework has been carried out. The homework will be chosen by the student among a list of topics.
The discussion on the theory part will be focused on two topics.
Both the parts of the exam will be discussed the same day, individually, and have the same weight on the final grade.

Type D and Type F activities

Le attività formative di tipologia D sono a scelta dello studente, quelle di tipologia F sono ulteriori conoscenze utili all’inserimento nel mondo del lavoro (tirocini, competenze trasversali, project works, ecc.). In base al Regolamento Didattico del Corso, alcune attività possono essere scelte e inserite autonomamente a libretto, altre devono essere approvate da apposita commissione per verificarne la coerenza con il piano di studio. Le attività formative di tipologia D o F possono essere ricoperte dalle seguenti attività.

1. Insegnamenti impartiti presso l'Università di Verona

Comprendono gli insegnamenti sotto riportati e/o nel Catalogo degli insegnamenti (che può essere filtrato anche per lingua di erogazione tramite la Ricerca avanzata).

Modalità di inserimento a libretto: se l'insegnamento è compreso tra quelli sottoelencati, lo studente può inserirlo autonomamente durante il periodo in cui il piano di studi è aperto; in caso contrario, lo studente deve fare richiesta alla Segreteria, inviando a carriere.scienze@ateneo.univr.it il modulo nel periodo indicato.

2. Attestato o equipollenza linguistica CLA

Oltre a quelle richieste dal piano di studi, per gli immatricolati dall'A.A. 2021/2022 vengono riconosciute:

  • Lingua inglese: vengono riconosciuti 3 CFU per ogni livello di competenza superiore a quello richiesto dal corso di studio (se non già riconosciuto nel ciclo di studi precedente).
  • Altre lingue e italiano per stranieri: vengono riconosciuti 3 CFU per ogni livello di competenza a partire da A2 (se non già riconosciuto nel ciclo di studi precedente).

Tali cfu saranno riconosciuti, fino ad un massimo di 6 cfu complessivi, di tipologia F se il piano didattico lo consente, oppure di tipologia D. Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.

Gli immatricolati fino all'A.A. 2020/2021 devono consultare le informazioni che si trovano qui.

Modalità di inserimento a librettorichiedere l’attestato o l'equipollenza al CLA e inviarlo alla Segreteria Studenti - Carriere per l’inserimento dell’esame in carriera, tramite mail: carriere.scienze@ateneo.univr.it

3. Competenze trasversali

Scopri i percorsi formativi promossi dal TALC - Teaching and learning center dell'Ateneo, destinati agli studenti regolarmente iscritti all'anno accademico di erogazione del corso https://talc.univr.it/it/competenze-trasversali

Modalità di inserimento a libretto: non è previsto l'inserimento dell'insegnamento nel piano di studi. Solo in seguito all'ottenimento dell'Open Badge verranno automaticamente convalidati i CFU a libretto. La registrazione dei CFU in carriera non è istantanea, ma ci saranno da attendere dei tempi tecnici.  

4. Periodo di stage/tirocinio

Oltre ai CFU previsti dal piano di studi (verificare attentamente quanto indicato sul Regolamento Didattico): qui informazioni su come attivare lo stage. 

Verificare nel regolamento quali attività possono essere di tipologia D e quali di tipologia F.

Insegnamenti e altre attività che si possono inserire autonomamente a libretto

 

1° periodo lezioni (1A) From 9/16/21 To 10/30/21
years Modules TAF Teacher
1° 2° The fashion lab (1 ECTS) D Caterina Fratea (Coordinatore)
Primo semestre From 10/4/21 To 1/28/22
years Modules TAF Teacher
1° 2° Data Analysis for Biomedical Sciences D Gloria Menegaz (Coordinatore)
1° 2° Introduction to Robotics to students of scientific courses. D Paolo Fiorini (Coordinatore)
1° 2° Matlab-Simulink programming D Bogdan Mihai Maris (Coordinatore)
Modules borrowed from the Faculty of Giurisprudenza
1° periodo lezioni (1B) From 11/5/21 To 12/16/21
years Modules TAF Teacher
1° 2° The fashion lab (1 ECTS) D Caterina Fratea (Coordinatore)
Secondo semestre From 3/7/22 To 6/10/22
years Modules TAF Teacher
1° 2° Introduction to Robotics to students of scientific courses. D Paolo Fiorini (Coordinatore)
1° 2° Introduction to 3D printing D Franco Fummi (Coordinatore)
1° 2° HW components design on FPGA D Franco Fummi (Coordinatore)
1° 2° Rapid prototyping on Arduino D Franco Fummi (Coordinatore)
1° 2° Protection of intangible assets (SW and invention)between industrial law and copyright D Roberto Giacobazzi (Coordinatore)
List of courses with unassigned period
years Modules TAF Teacher
1° 2° Python programming language D Giulio Mazzi (Coordinatore)

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.


Graduation

List of theses and work experience proposals

theses proposals Research area
Analisi ed identificazione automatica del tono/volume della voce AI, Robotics & Automatic Control - AI, Robotics & Automatic Control
Analisi e percezione dei segnali biometrici per l'interazione con robot AI, Robotics & Automatic Control - AI, Robotics & Automatic Control
Integrazione del simulatore del robot Nao con Oculus Rift AI, Robotics & Automatic Control - AI, Robotics & Automatic Control
BS or MS theses in automated reasoning Computing Methodologies - ARTIFICIAL INTELLIGENCE
Sviluppo sistemi di scansione 3D Computing Methodologies - COMPUTER GRAPHICS
Sviluppo sistemi di scansione 3D Computing Methodologies - IMAGE PROCESSING AND COMPUTER VISION
Dati geografici Information Systems - INFORMATION SYSTEMS APPLICATIONS
Analisi ed identificazione automatica del tono/volume della voce Robotics - Robotics
Analisi e percezione dei segnali biometrici per l'interazione con robot Robotics - Robotics
Integrazione del simulatore del robot Nao con Oculus Rift Robotics - Robotics
BS or MS theses in automated reasoning Theory of computation - Logic
BS or MS theses in automated reasoning Theory of computation - Semantics and reasoning
Proposte di tesi/collaborazione/stage in Intelligenza Artificiale Applicata Various topics
Proposte di Tesi/Stage/Progetto nell'ambito delle basi di dati/sistemi informativi Various topics

Attendance

As stated in point 25 of the Teaching Regulations for the A.Y. 2021/2022, attendance at the course of study is not mandatory.
Please refer to the Crisis Unit's latest updates for the mode of teaching.

Career management


Area riservata studenti