Studying at the University of Verona

A.A. 2021/2022

Academic calendar

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.

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 di laurea estiva Jul 20, 2022 Jul 20, 2022
Sessione di laurea autunnale Oct 19, 2022 Oct 19, 2022
Sessione invernale Mar 15, 2023 Mar 15, 2023

Exam calendar

The exam roll calls are centrally administered by the operational unit   Science and Engineering Teaching and Student Services Unit
Exam Session Calendar and Roll call enrolment   sistema ESSE3 . If you forget your password to the online services, please contact the technical office in your Faculty or to the service credential recovery .

Exam calendar

Per dubbi o domande Read the answers to the more serious and frequent questions - F.A.Q. Examination enrolment

Academic staff

A B C D F G M P Q Z

Albi Giacomo

giacomo.albi@univr.it +39 045 802 7913

Badino Massimiliano

massimiliano.badino@univr.it +39 045 802 8459

Bazzani Claudia

claudia.bazzani@univr.it 0458028734

Begalli Diego

diego.begalli@univr.it +39 045 8028731

Boscolo Galazzo Ilaria

ilaria.boscologalazzo@univr.it +39 045 8127804

Bullini Orlandi Ludovico

ludovico.bulliniorlandi@univr.it 045 802 8095

Carra Damiano

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

Carradore Marco

marco.carradore@univr.it

Castellini Alberto

alberto.castellini@univr.it +39 045 802 7908

Ceccato Mariano

mariano.ceccato@univr.it

Chiarini Andrea

andrea.chiarini@univr.it 045 802 8223

Confente Ilenia

ilenia.confente@univr.it 045 802 8174

Dai Pra Paolo

paolo.daipra@univr.it +39 0458027093

Dalla Preda Mila

mila.dallapreda@univr.it

Di Persio Luca

luca.dipersio@univr.it +39 045 802 7968

Farinelli Alessandro

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

Gaudenzi Barbara

barbara.gaudenzi@univr.it 045 802 8623

Giachetti Andrea

andrea.giachetti@univr.it +39 045 8027998

Guerra Giorgia

giorgia.guerra@univr.it

Mola Lapo

lapo.mola@univr.it 045/8028565

Paci Federica Maria Francesca

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

Quintarelli Elisa

elisa.quintarelli@univr.it +39 045 802 7852

Zardini Alessandro

alessandro.zardini@univr.it 045 802 8565

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.

TeachingsCreditsTAFSSD
TeachingsCreditsTAFSSD
9
B/C
(IUS/01 ,M-FIL/03)
Training
6
F
-
Final exam
22
E
-

1° Anno

TeachingsCreditsTAFSSD

2° Anno

TeachingsCreditsTAFSSD
9
B/C
(IUS/01 ,M-FIL/03)
Training
6
F
-
Final exam
22
E
-
Teachings Credits TAF SSD
Between the years: 1°- 2°1 module among the following
6
C
(SPS/07)
6
C
(IUS/17)
Between the years: 1°- 2°2 courses among the following
Between the years: 1°- 2°2 courses among the following
Between the years: 1°- 2°

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

4S009079

Coordinatore

Luca Di Persio

Credits

6

Scientific Disciplinary Sector (SSD)

MAT/06 - PROBABILITY AND STATISTICS

Language of instruction

English en

Period

Secondo semestre dal Mar 7, 2022 al Jun 10, 2022.

Learning outcomes

The course will be devoted to the mathematical background necessary to describe, analyze and derive value from datasets, possibly Big Data and unstructured, and to master the main probabilistic models used in the data science field. Starting from basic models, for example regressions, PCA-based predictors, Bayesian statistics, filters, etc., particular emphasis will be placed on mathematically rigorous quantitative approaches aimed at optimizing the data collection, cleaning and organization phases (e.g. series historical data, unstructured data generated in social media, semantic elements, etc.). The mathematical tools necessary to deal with the description of the time series, their analysis and forecasts will also be introduced. The contents of the entire course will be structured in interaction with the study of real problems relating to industrial, economic, social, etc., heterogeneous sectors, using software oriented to probabilistic modeling, for example, Knime, ElasticSearch, Kibana, R AnalyticFlow, Orange , etc.


At the end of the course the student has to show to have acquired the following skills:
● know and know how to use the basic tools for the treatment of time series and their indicators, e.g.,
● know and know how to develop forecasting solutions based on statistical inferential models, eg, AR, MA, ARMA, ARIMA, ARIMAX: Box-Jenkins, partial self-variance and autocorrelation, seasonality (SARIMA), analysis in variance (ANOVA, MANOVA), etc .
● knowing how to identify the parameters that characterize a certain population via methods such as error minimization, maximum likelihood, etc.
● know how to estimate / identify / reconstruct characteristics related to first-order analysis, smoothing techniques, spectral decomposition, polynomial fitting, etc.

Tipologia di Attività formativa D e F

Le attività formative in ambito D o F comprendono gli insegnamenti impartiti presso l'Università di Verona o periodi di stage/tirocinio professionale.
Nella scelta delle attività di tipo D, gli studenti dovranno tener presente che in sede di approvazione si terrà conto della coerenza delle loro scelte con il progetto formativo del loro piano di studio e dell'adeguatezza delle motivazioni eventualmente fornite. Tramite il presente modulo gli studenti possono richiedere l'inserimento di attività didattiche in TAF D ed F che non possono inserire autonomamente nel proprio piano di studi tramite la procedura on-line.

COMPETENZE LINGUISTICHE
Lingua inglese: vengono riconosciuti automaticamente 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: dal 1° ottobre 2021 vengono riconosciuti automaticamente 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, in ambito F se il piano didattico lo consente, oppure in ambito D.
Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.

Course not yet included

Career prospects


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.

Graduation

List of theses and work experience proposals

theses proposals Research area
Domain Adaptation Computer Science and Informatics: Informatics and information systems, computer science, scientific computing, intelligent systems - Computer graphics, computer vision, multi media, computer games
Domain Adaptation Computer Science and Informatics: Informatics and information systems, computer science, scientific computing, intelligent systems - Machine learning, statistical data processing and applications using signal processing (e.g. speech, image, video)
Domain Adaptation Computing Methodologies - IMAGE PROCESSING AND COMPUTER VISION
Domain Adaptation Computing methodologies - Machine learning

Gestione carriere


Modalità di frequenza

Come riportato al punto 25 del Regolamento Didattico per l'A.A. 2021/2022, la frequenza al corso di studio non è obbligatoria.

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.