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.
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 libretto: richiedere 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. Contamination lab
Il Contamination Lab Verona (CLab Verona) è un percorso esperienziale con moduli dedicati all'innovazione e alla cultura d'impresa che offre la possibilità di lavorare in team con studenti e studentesse di tutti i corsi di studio per risolvere sfide lanciate da aziende ed enti. Il percorso permette di ricevere 6 CFU in ambito D o F. Scopri le sfide: https://www.univr.it/clabverona
ATTENZIONE: Per essere ammessi a sostenere una qualsiasi attività didattica, incluse quelle a scelta, è necessario essere iscritti all'anno di corso in cui essa viene offerta. Si raccomanda, pertanto, ai laureandi delle sessioni di dicembre e aprile di NON svolgere attività extracurriculari del nuovo anno accademico, cui loro non risultano iscritti, essendo tali sessioni di laurea con validità riferita all'anno accademico precedente. Quindi, per attività svolte in un anno accademico cui non si è iscritti, non si potrà dar luogo a riconoscimento di CFU.
PROCEDURA PER IL RICONOSCIMENTO DELL'ATTIVITA' LAVORATIVA COME CREDITI DI STAGE
Come previsto da delibera del collegio didattico di Matematica e Data Science n°8 -23/24, lo studente che intende farsi riconoscere ore di attività lavorativa come crediti di stage, prima dell'inizio dell'attività, è tenuto ad inviare all'indirizzo mail della segreteria studenti e in copia conoscenza alla commissione pratiche studenti (paolo.daipra@univr.it, luca.dipersio@univr.it, barbara.gaudenzi@univr.it) esplicita richiesta. Nella richiesta va specificato il tipo di attività, nome dell’azienda e sede lavorativa e ore/crediti di cui si sta chiedendo il riconoscimento.
Affinché l'attività sia riconoscibile è d'obbligo che si sia svolta durante gli anni di iscrizione al corso di studi. Una volta accertata la coerenza tra l'attività lavorativa in essere e gli obiettivi del corso, lo studente riceverà tempestiva comunicazione dalla commissione pratiche studenti con in copia conoscenza la segreteria.
Al termine del periodo lavorativo stabilito, lo studente invia alla segreteria studenti la seguente documentazione:
- relazione finale dettagliata che viene inoltrata alla commissione per l’approvazione finale (firmata dallo studente e da un referente aziendale);
- una dichiarazione del legale rappresentante dell'azienda/ente e/o documentazione atta a dimostrare la tipologia di attività professionale e l'impegno orario ad essa dedicato.
La segreteria studenti provvederà all'invio della documentazione ricevuta alla commissione pratiche studenti e alla registrazione dei CFU (taf F ed eventuali ulteriori crediti taf D) deliberati dalla commissione stessa.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto valide per l'a.a. 2024/25
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Elementi di Cosmologia e Relatività generale | D |
Claudia Daffara
(Coordinatore)
|
1° 2° | Introduzione alla meccanica quantistica per il quantum computing | D |
Claudia Daffara
(Coordinatore)
|
1° 2° | Linguaggio programmazione Python [English edition] | D |
Carlo Combi
(Coordinatore)
|
1° 2° | Progettazione di app REACT | D |
Graziano Pravadelli
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Linguaggio programmazione Python [Edizione in italiano] | D |
Carlo Combi
(Coordinatore)
|
1° 2° | Sfide di programmazione | D |
Romeo Rizzi
(Coordinatore)
|
1° 2° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Mila Dalla Preda
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Mathematics mini courses |
Giacomo Albi
(Coordinatore)
|
Discrete optimization and decision making (2024/2025)
Codice insegnamento
4S009081
Docenti
Coordinatore
Crediti
6
Offerto anche nei corsi:
- Discrete Optimization del corso Laurea magistrale in Artificial Intelligence [LM-18]
- Mathematics for decisions del corso Laurea magistrale in Mathematics [LM-40]
- Discrete optimization and decision making del corso Laurea magistrale in Data Science (LM-91)
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
MAT/09 - RICERCA OPERATIVA
Periodo
II semestre dal 3 mar 2025 al 13 giu 2025.
Corsi Singoli
Autorizzato
Obiettivi di apprendimento
Il corso esplora l'approccio quantitativo alla soluzione di problemi reali. Un problema è quindi visto sia come una famiglia di istanze che possano andare in input ad un elaboratore, che come un modello/linguaggio entro cui esprimere le problematiche reali da gestire. Proponiamo sia modelli della programmazione matematica che offrono buone proprietà in termini di efficienza e di caratterizzabilità dello spazio delle soluzioni, che strumenti pratici che consentono di affrontare le problematiche complesse che si incontrano in situazioni reali. Tra i modelli del primo tipo, atti a fornire importanti strumenti concettuali a riferimento, poniamo al centro la programmazione lineare evidenziandone il ruolo cardine in discipline che vanno dall'economia, alla matematica, dall'informatica all'ingegneria, e che interessa tutto il mondo delle applicazioni (medicina,reti,bioinformatica,finanza,project management, ...). Alla programmazione lineare, si affianca la proposta della programmazione lineare intera che consente la formulazione e gestione di problemi complessi. In aggiunta alle competenze modellistiche, il corso si focalizzerà sulle tecniche risolutive esatte ed euristiche per la risoluzione di problemi complessi. In particolare, si forniranno le basi per la progettazione di metodi risolutivi, potenzialmente ibridi, che sfruttino metodologie note nell'ambito della ricerca operativa. Le lezioni sono ripartite in modo da coprire competenze di varia natura (dal teorico al pratico). Al termine del corso lo studente dovrà dimostrare di: - conoscere i modelli/linguaggi presentati e avere una comprensione delle proprietà e funzioni - saper modellare un problema dalle applicazioni in uno dei linguaggi incontrati opportunamente scelto - saper progettare procedure elementari o metaeuristiche volte alla gestione e ottimizzazione di processi di vario tipo (come routing, produzione industriale, finanza, ...) - sapersi avvalere di specifici software disponibili per la risoluzione delle formulazioni matematiche studiate
Prerequisiti e nozioni di base
è un corso interfacoltà e vorremo tenere minimi i prerequisiti. Il prerequisito fondamentale è ovviamente l'interesse ed essere assertivi ed autonomi.
Aiutano:
- saper risolvere sistemi di equazioni lineari (algebra lineare)
- aver scritto/debuggato qualche piccolo programma in un qualche linguaggio (tipo python)
- curiosità
- interesse per l'acquisire si spera nuove competenze ed approcci
Programma
- Nozioni di base su Problemi, Modelli, Algoritmi e Complessità computazionale
- Ricorsione e Programmazione Dinamica
- Programmazione lineare (riferimento: Vanderbei capitoli 2,3,4,5, ma non è necessario leggere la dimostrazione relativa alla regola di Bland)
- il tableau e l'algoritmo del simplesso
- teoria della dualità
- lassità complementare
- interpretazione economica
- Modeling
- l'arte di avvalersi di un Solver (Gurobi)
- Programmazione Lineare Intera
- Algoritmi di enumerazione semplice e di enumerazione implicita
- ramificato e legato
- ramificare e tagliare
- formulazioni compatte
- algoritmi di approssimazione
- euristiche e meta-euristiche
- Grafi come modelli e problemi su grafi
- cammini minimi
- flussi massimi
- massimo abbinamento bipartito
- TSP
Bibliografia
Modalità didattiche
Le lezioni avverranno in aula didattica tradizionale ma potranno essere seguite anche da remoto e verranno registrate.
Il Gruppo Telegram https://t.me/DiscreteOptimization serve da primo riferimento al corso e ci tiene in contatto tra di noi in modalità all-2-all.
La lista dei materiali bibliografici gratuitamente disponibili tramite il servizio Levanto di ateneo è https://univr.alma.exlibrisgroup.com/leganto/public/39UVR_INST/lists/5425495420005791?auth=SAML
Modalità di verifica dell'apprendimento
gli esercizi proposti durante il corso contribuiranno al voto
a fine corso, sulla stessa piattaforma utilizzata per gli homeworks verrà proposto un progetto
un esame orale finale sarà occasione di discutere in modo più ampio sulle competenze apprese verificando anche il possesso delle competenze dimostrate negli homeworks e nel progetto
Criteri di valutazione
- esercizi: punteggio ottenuto dal sistema automatico di feedback e verifica contestuale (possibile lavorare in gruppo ma rispettando le regole che consentono verifica di autenticità)
- progetto: come per gli esercizi, ma modulato anche da altre considerazioni
- orale: valutazione ollistica su competenze da programma finale, competenze attive, e chiarezza espositiva
Criteri di composizione del voto finale
per somma di punti raccolti da homeworks, progetto, ed esame orale
Lingua dell'esame
english