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 accademico

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.

Definizione dei periodi di lezione
Periodo Dal Al
Primo semestre 3-ott-2022 27-gen-2023
Secondo semestre 6-mar-2023 16-giu-2023
Sessioni degli esami
Sessione Dal Al
Sessione invernale d'esame 30-gen-2023 3-mar-2023
Sessione estiva d'esame 19-giu-2023 31-lug-2023
Sessione autunnale d'esame 4-set-2023 29-set-2023
Sessioni di lauree
Sessione Dal Al
Sessione estiva di laurea 19-lug-2023 19-lug-2023
Sessione autunnale di laurea 18-ott-2023 18-ott-2023
Sessione invernale di laurea 11-mar-2024 11-mar-2024
Vacanze
Periodo Dal Al
Ponte Festa di tutti i Santi 31-ott-2022 1-nov-2022
Ponte dell'Immacolata Concezione 8-dic-2022 9-dic-2022
Vacanze natalizie 23-dic-2022 8-gen-2023
Vacanze di Pasqua 7-apr-2023 10-apr-2023
Festa della Liberazione 24-apr-2023 25-apr-2023
Festa dei Lavoratori 1-mag-2023 1-mag-2023
Festa del Santo Patrono 21-mag-2023 21-mag-2023
Festa della Repubblica 2-giu-2023 2-giu-2023
Chiusura estiva 14-ago-2023 19-ago-2023

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

Calendario esami

Per dubbi o domande leggi le risposte alle domande più frequenti F.A.Q. Iscrizione Esami

Docenti

A B C D G M O P Q R S T V Z

Albi Giacomo

symbol email giacomo.albi@univr.it symbol phone-number +39 045 802 7913

Badino Massimiliano

symbol email massimiliano.badino@univr.it symbol phone-number +39 045 802 8459

Bazzani Claudia

symbol email claudia.bazzani@univr.it symbol phone-number 0458028734

Begalli Diego

symbol email diego.begalli@univr.it symbol phone-number +39 045 8028491

Blasi Silvia

symbol email silvia.blasi@univr.it symbol phone-number 045 8028218

Boscolo Galazzo Ilaria

symbol email ilaria.boscologalazzo@univr.it symbol phone-number +39 045 8127804

Carra Damiano

symbol email damiano.carra@univr.it symbol phone-number +39 045 802 7059

Carradore Marco

symbol email marco.carradore@univr.it

Castellini Alberto

symbol email alberto.castellini@univr.it symbol phone-number +39 045 802 7908

Ceccato Mariano

symbol email mariano.ceccato@univr.it

Chiarini Andrea

symbol email andrea.chiarini@univr.it symbol phone-number 045 802 8223

Collet Francesca

symbol email francesca.collet@univr.it symbol phone-number +39 045 8027979

Confente Ilenia

symbol email ilenia.confente@univr.it symbol phone-number 045 802 8174

Dai Pra Paolo

symbol email paolo.daipra@univr.it symbol phone-number +39 0458027093

Dalla Preda Mila

symbol email mila.dallapreda@univr.it

D'Asaro Fabio Aurelio

symbol email fabioaurelio.dasaro@univr.it symbol phone-number 0458028431

Di Persio Luca

symbol email luca.dipersio@univr.it symbol phone-number +39 045 802 7968

Gatti Stefano

symbol email stefano.gatti@univr.it

Gaudenzi Barbara

symbol email barbara.gaudenzi@univr.it symbol phone-number 045 802 8623

Giachetti Andrea

symbol email andrea.giachetti@univr.it symbol phone-number +39 045 8027998

Guerra Giorgia

symbol email giorgia.guerra@univr.it

Marastoni Niccolo'

symbol email niccolo.marastoni@univr.it

Mola Lapo

symbol email lapo.mola@univr.it symbol phone-number 045/8028565

Owusu Abigail

symbol email abigail.owusu@univr.it

Paci Federica Maria Francesca

symbol email federicamariafrancesca.paci@univr.it symbol phone-number +39 045 802 7909

Pelgreffi Igor

symbol email igor.pelgreffi@univr.it

Pianezzi Daniela

symbol email daniela.pianezzi@univr.it

Quintarelli Elisa

symbol email elisa.quintarelli@univr.it symbol phone-number +39 045 802 7852

Rizzi Romeo

symbol email romeo.rizzi@univr.it symbol phone-number +39 045 8027088

Setti Francesco

symbol email francesco.setti@univr.it symbol phone-number +39 045 802 7804

Toniolo Sara

symbol email sara.toniolo@univr.it symbol phone-number 045 802 8683

Vadala' Rosa Maria

symbol email rosamaria.vadala@univr.it

Zardini Alessandro

symbol email alessandro.zardini@univr.it symbol phone-number 045 802 8565

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.

Sarà attivato nell'A.A. 2023/2024
InsegnamentiCreditiTAFSSD

1° Anno

InsegnamentiCreditiTAFSSD

2° Anno Sarà attivato nell'A.A. 2023/2024

InsegnamentiCreditiTAFSSD
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°1 module among the following
6
C
IUS/17
Tra gli anni: 1°- 2°2 modules among the following

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.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S009064

Crediti

12

Coordinatore

Elisa Quintarelli

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

INF/01 - INFORMATICA

L'insegnamento è organizzato come segue:

Programming

Crediti

6

Periodo

Primo semestre

Database
Attività mutuata da Data warehouse and integration del corso Laurea magistrale in Computer Engineering for Robotics and Smart Industry

Crediti

6

Periodo

Secondo semestre

Docenti

Elisa Quintarelli

Obiettivi di apprendimento

Il corso si articola come segue [Modulo Programmazione] Scopo del modulo è fornire competenze e conoscenze in programmazione in Python, dando i concetti di base di algoritmo con particolare riferimento all’utilizzo del linguaggio Python (sintassi, strutture dati, data import/export in Python, data visualization in Python) e sue applicazioni in ambito data science [Modulo di Basi di dati] Il corso si propone di fornire le competenze necessarie per la progettazione e analisi dei dati in funzione dei requisiti con riferimento a diversi contesti applicativi e nell'ambito del processo di produzione di sistemi software; per la gestione e fruizione efficace ed efficiente dei dati e per lo studio di un sistema per la gestione di basi di dati relazionali al fine di creare, gestire e interrogare basi di dati e data warehouse. Al termine del corso lo studente dovrà dimostrare di: ● saper sviluppare codice Python per risolvere esempi concreti ● conoscere sintassi e semantica del linguaggio utilizzato ● saper manipolare e visualizzare dati usando librerie come Numpy, Pandas e Matplotlib ● conoscere le basi di: gestione di basi di dati; architettura e funzionalità di un sistema per la gestione di basi di dati; concetti di indipendenza fisica, indipendenza logica, persistenza, concorrenza, affidabilità, interrogazione e aggiornamento di una base di dati; vantaggi di un sistema per la gestione di basi di dati rispetto al file system di un sistema operativo ● saper progettare concettualmente basi di dati, e.g., modelli concettuali per il progetto dei dati; il modello Entità-Relazione (E-R); elementi del modello E-R: entità, attributi, relazioni, gerarchie di generalizzazione e vincoli di cardinalità; lo schema concettuale di una base di dati ● conoscere le basi della progettazione logica di una base di dati: modelli dei dati per i sistemi di gestione di basi di dati; il modello relazionale; definizioni di relazione, vincoli di integrità e schema relazionale; lo schema logico di una base di dati; regole per la traduzione di schemi concettuali in schemi relazionali ● comprendere i meccanismi di interazione con una base di dati: introduzione ai linguaggi per la definizione, modifica e interrogazione di una base di dati; l’algebra relazionale; ottimizzazione di espressioni dell'algebra; il linguaggio SQL; il costrutto di selezione (Select-From-Where), interrogazioni nidificate, ordinamento e raggruppamento dei dati in SQL; il concetto di vista ●saper progettare concettualmente e logicamente un data warehouse dopo aver integrato i dati (approcci GAV E LAV) e conoscere la differenza tra procedure OLTP e OLAP ● conoscere le principali caratteristiche dei nuovi modelli NoSQL e saper scegliere quale modello scegliere in base all'applicazione da sviluppare

Prerequisiti e nozioni di base

Concetti base di logica e della nozione di algoritmo

Programma

Il corso di articola in due moduli:
------------------------
Programming
------------------------
1. Introduzione allo sviluppo del software
- Riepilogo della programmazione procedurale
- Notebook Jupyter, Python
- Analisi dei requisiti del prodotto software

2. Analisi dei dati
- Caricamento di dati strutturati e non strutturati
- Manipolazione dei dati con Numpy e Pandas
- Visualizzazione dei dati con Matplotlib

3. Scientific computing
- NumPy e l'ecosistema open source Python in generale
- Introduzione a Sklearn

4. OOP
- Fondamenti di OOP
- OOP nei prodotti open source
- Riprogettazione della programmazione procedurale

5. Operazionalizzazione
- Operazionalizzazione con Notebook
- Operazionalizzazione con Streamlit

------------------------
Database
------------------------
1. INTRODUZIONE AL CORSO
1. Il sistema informativo nell'azienda
2. Caratteristiche dei DBMS e concetto di transazione
3. Utenti, strumenti e moduli di un DBMS
4. Sistema Informativo e Data Science
2. TEORIA RELAZIONALE
1. Il modello relazionale dei dati, sua definizione (informale e formale) e concetti fondamentali
2. Algebra relazionale: operazioni unarie e binarie
3. Interrogazioni in algebra relazionale e loro ottimizzazione
3. LINGUAGGI PER BASI DI DATI
1. Introduzione a SQL: standardizzazione di SQL, domini SQL, vincoli e semplice definizione di tabelle
2. SQL come DDL: integrità referenziale, definizione di schemi e loro modifica, cataloghi relazionali
3. Interrogazioni SQL semplici, interrogazioni con ordinamenti e raggruppamenti, Interrogazioni SQL complesse
4. Comandi di modifica e viste in SQL
5. Aspetti evoluti del DDL: indici e vincoli di integrità generici, controllo dell'accesso, viste e controllo dell'accesso
4. PROGETTAZIONE DI BASI DI DATI
1. Fasi della progettazione
2. Le astrazioni nella progettazione dei dati
3. Il modello Entità-Relazioni: definizione, associazioni, identificatori e gerarchie, proprietà delle gerarchie
4. Progettazione logica: fasi del progetto logico, eliminazione delle gerarchie, gestione degli identificatori, gestione degli attributi, gestione delle associazioni, normalizzazione (cenni)
5. SISTEMI DI SUPPORTO ALLE DECISIONI
1. Datawarehouse
2. Progettazione di Datawarehouse su dati integrati (approcci GAV e LAV)
3. Interrogazioni OLAP
6. CENNI SUI MODELLI DI DATI NO-SQL

Bibliografia

Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Modalità didattiche

Lezioni frontali ed esercitazioni pratiche

Modalità di verifica dell'apprendimento

L’esame prevede una prova scritta di due ore, eventualmente integrata da un orale a discrezione del docente, contenente alcune domande aperte di teoria, un esercizio sulla progettazione concettuale (modello E-R o schema DFM) e logica (modello relazionale) di una base di dati, e alcuni esercizi su interrogazioni in SQL su una base di dati assegnata.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Criteri di valutazione

Per superare l'esame gli studenti dovranno dimostrare di:
- aver compreso i concetti che stanno alla base della teoria delle basi di dati relazionali e dei data warehouse e della loro progettazione;
- essere in grado di esporre le proprie argomentazioni in modo preciso e organico;
- saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di domande ed esercizi.
Il voto dello scritto sarà fino ad un massimo di 33 punti (30 e Lode).

Criteri di composizione del voto finale

Il voto finale sarà la media dei voti ottenuti nelle parti di Programming e Database.

Lingua dell'esame

Inglese

Tipologia di Attività formativa D e F

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

 

Elenco degli insegnamenti con periodo non assegnato
anni Insegnamenti TAF Docente
1° 2° Mathematics mini courses Paolo Dai Pra (Coordinatore)

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: solo così potrai ricevere notifica di tutti gli avvisi dei tuoi docenti e della tua segreteria via mail e a breve anche tramite l'app Univr.

Prova Finale

Scadenziari e adempimenti amministrativi

Per gli scadenziari, gli adempimenti amministrativi e gli avvisi sulle sessioni di laurea, si rimanda al servizio Sessioni di laurea - Scienze e Ingegneria.

Necessità di attivare un tirocinio per tesi

Per stage finalizzati alla stesura della tesi di laurea, non è sempre necessaria l'attivazione di un tirocinio tramite l'Ufficio Stage. Per maggiori informazioni, consultare il documento dedicato, che si trova nella sezione "Documenti" del servizio dedicato agli stage e ai tirocini.

Regolamento della prova finale

La prova finale consiste nella preparazione e discussione di un elaborato scritto in lingua Inglese (tesi di laurea) relativo all'approfondimento di un tema scientifico affrontato nel corso di studi, ovvero relativo all'analisi e soluzione di un caso di studio (teorico e/o direttamente derivato da un problema di carattere industriale), ovvero relativo ad un lavoro di tipo sperimentale, eventualmente sviluppato all'interno di un percorso di tirocinio, ovvero frutto di un lavoro autonomo ed originale di ricerca, con collegati aspetti di formalizzazione matematica, progettazione informatica e realizzazione business oriented. Tali attività saranno svolte sotto la guida di un relatore presso una struttura universitaria, o anche esterna all'Università di Verona, tanto in Italia, quanto all'estero, purché riconosciuta e accettata a tal fine in accordo con il Regolamento didattico del corso di Laurea Magistrale in Data Science. La commissione preposta alla valutazione della prova finale (esposizione in lingua Inglese della tesi di laurea) è chiamata ad esprimere una valutazione che tenga conto dell'intero percorso di studi, valutando attentamente il grado di coerenza tra obbiettivi formativi e obbiettivi professionali, nonché la capacità di elaborazione intellettuale autonoma, il senso critico, le doti di comunicazione e la maturità culturale generale, in relazione agli obiettivi del corso di Laurea Magistrale in Data Science, e particolare, in relazione alle tematiche caratterizzanti la tesi di laurea, del candidato.
Gli studenti possono sostenere la prova finale solamente dopo aver assolto a tutti gli altri obblighi formativi previsti dal loro piano di studi ed agli adempimenti presso gli uffici amministrativi in conformità con i termini indicati nel manifesto generale degli studi.
La valutazione finale e la proclamazione verranno effettuate dalla commissione di esame finale nominata dal presidente del collegio didattico e composta da un presidente e almeno da altri quattro commissari scelti tra i docenti dell'Ateneo.
Il materiale presentato per la prova finale viene valutato dalla Commissione Valutazione Tesi, composta da tre docenti, tra cui possibilmente il relatore, e nominata dal presidente del collegio didattico. La commissione valutazione tesi formula una valutazione del lavoro svolto, e la trasmette alla commissione d'esame finale che esprimerà il giudizio finale. Il collegio didattico disciplina le procedure delle commissioni valutazione tesi, delle commissioni d'esame finale e dell'attribuzione del punteggio della prova finale mediante apposito regolamento deliberato dal collegio didattico.
 

Allegati

Titolo Info File
Doc_Univr_pdf Regolamento esame finale | Final exam regulation 387 KB, 27/04/22 

Elenco delle proposte di tesi e stage

Proposte di tesi Area di ricerca
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

Erasmus+ e altre esperienze all’estero


Modalità di frequenza

Come riportato nel Regolamento Didattico per l'A.A. 2022/2023, 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.


Gestione carriere


Area riservata studenti