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.
Course calendar
The Academic Calendar sets out the degree programme lecture and exam timetables, as well as the relevant university closure dates..
Period | From | To |
---|---|---|
Semester 1 | Oct 1, 2024 | Jan 31, 2025 |
Semester 2 | Mar 3, 2025 | Jun 13, 2025 |
Session | From | To |
---|---|---|
Winter exam session | Feb 3, 2025 | Feb 28, 2025 |
Summer exam session | Jun 16, 2025 | Jul 31, 2025 |
Autumn exam session | Sep 1, 2025 | Sep 30, 2025 |
Period | From | To |
---|---|---|
Tutti i Santi | Nov 1, 2024 | Nov 1, 2024 |
Festa dell'Immacolata | Dec 8, 2024 | Dec 8, 2024 |
Vacanze di Natale | Dec 23, 2024 | Jan 6, 2025 |
Vacanze di Pasqua | Apr 18, 2025 | Apr 21, 2025 |
Festa della Liberazione | Apr 25, 2025 | Apr 25, 2025 |
Festa del Lavoro | May 1, 2025 | May 1, 2025 |
Festa del Santo Patrono | May 21, 2025 | May 21, 2025 |
Festa della Repubblica | Jun 2, 2025 | Jun 2, 2025 |
Vacanze estive | Aug 11, 2025 | Aug 16, 2025 |
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.
Academic staff
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 enrollment year.
1° Year
Modules | Credits | TAF | SSD |
---|
2° Year It will be activated in the A.Y. 2025/2026
Modules | Credits | TAF | SSD |
---|
Modules | Credits | TAF | SSD |
---|
Modules | Credits | TAF | SSD |
---|
Modules | Credits | TAF | SSD |
---|
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.
Machine Learning for Data Science (2024/2025)
Teaching code
4S009069
Teacher
Coordinator
Credits
6
Also offered in courses:
- Machine Learning for Data Science of the course Master's degree in Data Science
Language
English
Scientific Disciplinary Sector (SSD)
ING-INF/05 - INFORMATION PROCESSING SYSTEMS
Period
Semester 1 dal Oct 1, 2024 al Jan 31, 2025.
Courses Single
Authorized
Learning objectives
The course aims to provide the basic tools for machine learning, together with specific techniques to deal with large amounts of data, such as deep learning. Theory and techniques will be specifically addressed to data science issues with particular emphasis on data analysis. At the end of the course the student has to show to have acquired the following skills:
- knowledge of the main types of data (e.g. binaries, texts, sounds, etc.)
- understanding and capability to use the basic elements of descriptive statistics, elementary probability, linear algebra with elements of optimization and regularization
- knowledge of basic machine learning techniques (e.g. support vector machines, random forest, etc.)
- knowledge of basic deep learning techniques (e.g. convolutional neural network, long-short memory machines, etc.)
- knowledge of the basics of Natural Language Processing for, for example, sentiment analysis
- knowledge of the basic issues in the context of measurement and Regression measures, e.g., RMSE (Root Mean Square Error), MAE, Rsquared and adjusted Rsquared)
- knowledge of the basic tools in supervised training, e.g., confusion matrix, accuracy, precision, recall, F1, Curve precision-recall, ROC, average precision, CMC NLP: Bleu, Spice
Prerequisites and basic notions
The student should have basic skills in math, linear algebra, probability and statistics.
Program
- Introduction to Machine Learning: basics, terminology, performance metrics, inductive bias
- Bayesian decision theory
- Parametric learning
- Support Vector Machines
- Artificial Neural Networks
- Convolutional Neural Networks
- Recurrent Neural Networks
- Auto-Encoders
- Unsupervised Machine Learning
Bibliography
Didactic methods
Lectures, exercises, laboratory sessions on the PC
Learning assessment procedures
The exam involves the discussion of a project proposing a solution to an industrial problem.
The student will present his/her work in about 15 minutes (with or without the use of support material such as slides, written report, demo, etc.), followed by a Q&A session.
Evaluation criteria
For the generation of the mark it will be taken into account:
- performance of the developed system (with different metrics depending on the problem);
- theoretical motivation behind the student's design choices;
- ability to clearly and concisely present the key points of the project;
- ability to support a discussion on possible alternative solutions and potential causes of failure of the solution developed.
The student must also demonstrate mastery of all the topics in the program (even those not addressed during the project).
Criteria for the composition of the final grade
The grade will be based on the discussion of an individual project that will focus on the topics of the course.
Exam language
Inglese/English
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 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.
5. Periodo di stage/tirocinio
Oltre ai CFU previsti dal piano di studi (verificare attentamente quanto indicato sul Regolamento Didattico) qui si possono trovare le informazioni su come attivare lo stage.
Verificare nel regolamento quali attività possono essere di tipologia D e quali di tipologia F.
Si ricorda, inoltre, che per i tirocini attivati dal 1 ottobre 2024 sarà possibile riconoscere le ore eccedenti in termini di crediti di tipologia D limitatamente alle sole esperienze di tirocinio svolte presso enti ospitanti esterni all’Ateneo.
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.
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Mathematics mini courses |
Giacomo Albi
(Coordinator)
|
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: only in this way will you be able to receive notification of all the notices from your teachers and your secretariat via email and also via the Univr app.
Graduation
Deadlines and administrative fulfilments
For deadlines, administrative fulfilments and notices on graduation sessions, please refer to the Graduation Sessions - Science and Engineering service.
Need to activate a thesis internship
For thesis-related internships, it is not always necessary to activate an internship through the Internship Office. For further information, please consult the dedicated document, which can be found in the 'Documents' section of the Internships and work orientation - Science e Engineering service.
Final examination regulations
Upon completion of the Degree programme, students will need to submit and present their thesis/dissertation, which must be in English and focusing on a scientific topic covered during the programme. Alternatively, the thesis/dissertation may consist of the analysis and solution of a case study (theoretical and/or relevant to a real industrial context), experimental work, possibly developed as part of an internship, or original and independent research work that may include mathematical formalisation, computer design and a business-oriented approach.
These activities will be carried out under the guidance of a Thesis Supervisor at a University facility, or even outside the University of Verona, either in Italy or abroad, provided that they are recognised and accepted for this purpose in accordance with the teaching regulations of the Master's Degree programme in Data Science.
22 CFU credits shall be awarded for the final examination (assessment of the thesis/dissertation).
The Graduation Committee, which is in charge of the evaluation of the final examination (presentation of the dissertation in English) shall evaluate each candidate, based on their achievements throughout the entire degree programme, carefully assessing the degree of consistency between educational and professional objectives, as well as their ability for independent intellectual elaboration, critical thinking, communication skills and general cultural maturity, in relation to the objectives of the Master's Degree programme in Data Science, and in particular, in relation to the topics dealt with by the candidate in their thesis.
Students may take the final exam only after they have passed all the other modules and exams that are part of their individual study plan, and fulfil all the necessary administrative requirements, in accordance with the terms indicated in the General Study Manifesto.
The graduation exam and ceremony will be carried out by the Graduation Committee appointed by the Chair of the Teaching Committee and composed of a President and at least four other members chosen among the University's lecturers.
The thesis/dissertation will be assessed by the Dissertation Committee, which is composed of three lecturers possibly including the Thesis Supervisor, and appointed by the Chair of the Teaching Committee. The Dissertation Committee shall produce an evaluation of the dissertation, which will be submitted to the Graduation Committee, which will issue the final graduation mark. The Teaching Committee shall govern the procedures of the Dissertation Committee and the Graduation Committee, and any procedures relating to the score awarded for the final exam through specific regulations issued by the Teaching Committee.
Documents
Title | Info File |
---|---|
Regulations for the final exame | pdf, it, 326 KB, 19/03/24 |
Attendance modes and venues
As stated in the Teaching Regulations, attendance at the course of study is not mandatory.
Part-time enrolment is permitted. Find out more on the Part-time enrolment possibilities page.
The course's teaching activities take place in the Science and Engineering area, which consists of the buildings of Ca‘ Vignal 1, Ca’ Vignal 2, Ca' Vignal 3 and Piramide, located in the Borgo Roma campus.
Lectures are held in the classrooms of Ca‘ Vignal 1, Ca’ Vignal 2 and Ca' Vignal 3, while practical exercises take place in the teaching laboratories dedicated to the various activities.