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
I semestre 2-ott-2023 26-gen-2024
II semestre 4-mar-2024 14-giu-2024
Sessioni degli esami
Sessione Dal Al
Sessione invernale d'esame 29-gen-2024 1-mar-2024
Sessione estiva d'esame 17-giu-2024 31-lug-2024
Sessione autunnale d'esame 2-set-2024 30-set-2024
Sessioni di lauree
Sessione Dal Al
Sessione di laurea estiva 22-lug-2024 22-lug-2024
Sessione di laurea autunnale 22-ott-2024 22-ott-2024
Sessione di laurea invernale 27-mar-2025 27-mar-2025
Vacanze
Periodo Dal Al
Festa di Ognissanti 1-nov-2023 1-nov-2023
Festa dell'Immacolata 8-dic-2023 8-dic-2023
Vacanze di Natale 24-dic-2023 7-gen-2024
Festività pasquali 29-mar-2024 1-apr-2024
Ponte della Festa della Liberazione 25-apr-2024 26-apr-2024
Festa del Lavoro 1-mag-2024 1-mag-2024
Festività del Santo Patrono: San Zeno 21-mag-2024 21-mag-2024
Festa della Repubblica 2-giu-2024 2-giu-2024
Vacanze estive 12-ago-2024 17-ago-2024

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 L M O P R S T Z

Albi Giacomo

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

Albiero Andrea

symbol email andrea.albiero@univr.it

Angeleri Lidia

symbol email lidia.angeleri@univr.it symbol phone-number +39 045 802 7911

Baldo Sisto

symbol email sisto.baldo@univr.it symbol phone-number +39 045 802 7935

Barbieri Anna

symbol email anna.barbieri@univr.it

Caliari Marco

symbol email marco.caliari@univr.it symbol phone-number +39 045 802 7904

Canevari Giacomo

symbol email giacomo.canevari@univr.it symbol phone-number +39 045 802 7979

Castellini Alberto

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

Combi Carlo

symbol email carlo.combi@univr.it symbol phone-number +39 045 802 7985

Daffara Claudia

symbol email claudia.daffara@univr.it symbol phone-number +39 045 802 7942

Dai Pra Paolo

symbol email paolo.daipra@univr.it symbol phone-number +39 045 802 7093

Daldosso Nicola

symbol email nicola.daldosso@univr.it symbol phone-number +39 045 8027076 - 7828 (laboratorio)

Dalla Preda Mila

symbol email mila.dallapreda@univr.it

Di Persio Luca

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

Gaburro Elena

symbol email elena.gaburro@univr.it

Gregorio Enrico

symbol email Enrico.Gregorio@univr.it symbol phone-number +39 045 802 7937

Laking Rosanna Davison

symbol email rosanna.laking@univr.it symbol phone-number +39 045 802 7838

Mandini Alessia

symbol email alessia.mandini@univr.it

Mantese Francesca

symbol email francesca.mantese@univr.it symbol phone-number +39 045 802 7978

Marigonda Antonio

symbol email antonio.marigonda@univr.it symbol phone-number +39 045 802 7809

Monti Francesca

symbol email francesca.monti@univr.it symbol phone-number +39 045 802 7910

Orlandi Giandomenico

symbol email giandomenico.orlandi at univr.it symbol phone-number +39 045 802 7986

Pravadelli Graziano

symbol email graziano.pravadelli@univr.it symbol phone-number +39 045 802 7081

Rizzi Romeo

symbol email romeo.rizzi@univr.it symbol phone-number +39 045 802 7088

Sansonetto Nicola

symbol email nicola.sansonetto@univr.it symbol phone-number +39 045 802 7932

Schuster Peter Michael

symbol email peter.schuster@univr.it symbol phone-number +39 045 802 7029

Solitro Ugo

symbol email ugo.solitro@univr.it symbol phone-number +39 045 802 7977

Tomazzoli Claudio

symbol email claudio.tomazzoli@univr.it

Zorzi Margherita

symbol email margherita.zorzi@univr.it symbol phone-number +39 045 802 7045

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.

CURRICULUM TIPO:

1° Anno 

InsegnamentiCreditiTAFSSD

2° Anno   Attivato nell'A.A. 2024/2025

InsegnamentiCreditiTAFSSD
6
B
MAT/05
Final exam
32
E
-
Attivato nell'A.A. 2024/2025
InsegnamentiCreditiTAFSSD
6
B
MAT/05
Final exam
32
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
1 module among the following 
Tra gli anni: 1°- 2°
1 module between the following (a.a. 2023/24 Homological Algebra not activated - a.a. 2024/25 Computational Algebra not activated)
Tra gli anni: 1°- 2°
Tra gli anni: 1°- 2°
Further activities
4
F
-

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

4S008278

Coordinatore

Giacomo Albi

Crediti

6

Offerto anche nei corsi:

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

MAT/08 - ANALISI NUMERICA

Periodo

I semestre dal 2-ott-2023 al 26-gen-2024.

Corsi Singoli

Autorizzato

Obiettivi di apprendimento

Al termine di questo insegnamento gli studenti dovranno essere in grado di capire ed applicare le nozioni di base, i concetti e i metodi dell’algebra lineare computazionale, e dell’ottimizzazione numerica applicate all’analisi dei dati. In particolare, dovranno padroneggiare il metodo della decomposizione ai valori singolari e delle matrici random per la rappresentazione di dati in dimensione bassa, le nozioni fondamentali dei problemi di ricostruzione di dati sparsi (ad esempio compressed sensing, ricostruzione di matrici di rango basso, dictionary learning algorithms). Saranno in grado anche di trattare la rappresentazione di dati come cluster attorno a varietà in dimensione alta ed in grafi random e apprenderanno tecniche per costruire carte locali e cluster di dati. Verranno visti i fondamenti di ottimizzazione convessa e non-convessa, e le principali tecniche numeriche con applicazione alle tecniche di apprendimento supervisionato in analisi dei dati (macchine a vettori di supporto, reti neurali e metodi di kernel). Nelle sessioni di laboratorio gli studenti familiarizzeranno con gli strumenti e gli ambienti di programmazione utili ad affrontare alcuni casi di studio. Per superare l'esame, lo studente deve dimostrare di : - avere compreso gli aspetti fondanti della algebra lineare computazionale, dell’ottimizzazione numerica e della geometria differenziale applicata all’analisi dei dati. - essere in grado di presentare gli argomenti di discutere in modo organico e preciso sui vari argomenti del corso senza divagazioni. - di sapere come applicare le metodologie e concetti appresi per risolvere specifici problemi nella forma di esercizi, domande o progetti.

Prerequisiti e nozioni di base

Calcolo differenziale, algebra lineare, basi di analisi numerica,
conoscenza base di un linguaggio di programmazione

Programma

*Introduzione all’ottimizzazione:
- condizioni di ottimalitá
- Metodi numerici
* Singular Value Decomposition:
- Best k-rank approximation, Randomize SVD
- Principal Component Analysis, pseudo inversa
* Compressed Sensing
- Basis pursuit problem: l1-minimization and sparse recovery
- Ricostruzione di immagini da dati sparsi.
* Analisi Dati
- Riduzione della dimensionalità (Local Linear Embedding, ISOMAP, diffusion map).
- Apprendimento supervisionato: Support Vector Machine (SVM).
- Apprendimento non supervisionato: K-means.
- Rete Neurali Artificiali e applicazioni.

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 esercizi per casa
* Sviluppo di codice ed esempi
* Progetti singoli o di gruppo
Saranno specificamente tutelati gli studenti e le studentesse in situazioni di limitazione agli spostamenti per effetto di disposizioni nazionali di contrasto al COVID o in situazioni particolari di fragilità. In questi casi gli studenti e le studentesse sono invitati a contattare direttamente il docente per organizzare le modalità di recupero più opportune.

Modalità di verifica dell'apprendimento

Per superare l'esame gli studenti dovranno dimostrare di:
- aver compreso i principi alla base dell’algebra lineare computazionale, dell’ottimizzazione convessa e della geometria differenziale applicate all’analisi dei dati.
- essere in grado di esporre argomentazioni sulle tematiche del corso in modo preciso e organico senza divagazioni
- saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di esercizi, domande e progetti.
L'esame consiste in una prova orale con domande scritte e discussione.
Si incoraggia lo sviluppo di un progetto (non obbligatorio) ad integrazione dell'esame orale.

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

Lo studente dovrà essere in grado di formalizzare e risolvere problemi di analisi dati adoperando, adattando e sviluppando i metodi numerici avanzati nell'ambito dell'ottimizzazione, dell'algebra lineare numerica visti durante l’insegnamento.

Criteri di composizione del voto finale

Esame orale con domande scritte (85%), risoluzione degli esercizi e progetto per casa (15%)

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. 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 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

I semestre Dal 02/10/23 Al 26/01/24
anni Insegnamenti TAF Docente
1° 2° Introduzione alla meccanica quantistica per il quantum computing D Claudia Daffara (Coordinatore)
1° 2° Introduzione alla robotica per studenti di materie scientifiche D Andrea Calanca (Coordinatore)
1° 2° Mathematics mini courses Giacomo Albi (Coordinatore)
1° 2° Progettazione di app web e mobile tramite react e react native D Graziano Pravadelli (Coordinatore)
1° 2° Sviluppo firmware con protocollo bluetooth low energy (BLE) e sistema operativo Freertos D Franco Fummi (Coordinatore)
II semestre Dal 04/03/24 Al 14/06/24
anni Insegnamenti TAF Docente
1° 2° Introduzione alla robotica per studenti di materie scientifiche D Andrea Calanca (Coordinatore)
1° 2° Linguaggio programmazione Python D Carlo Combi (Coordinatore)
1° 2° Mathematics mini courses Giacomo Albi (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)
Elenco degli insegnamenti con periodo non assegnato
anni Insegnamenti TAF Docente
1° 2° Cooperative Game Theory in the (Deep) RL Era D Alessandro Farinelli (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 anche tramite l'app Univr.

Attività didattiche alternative

Per rendere il percorso di studi più flessibile, è possibile chiedere di sostituire alcuni insegnamenti con altri del medesimo corso di studio in Mathematics all'Università degli Studi di Verona (qualora gli obiettivi formativi degli insegnamenti che si intendono sostituire siano già stati raggiunti nella carriera pregressa), oppure con altri del corso di studio in Mathematics all'Università degli Studi di Trento.

Documenti


Modalità e sedi di frequenza

Come riportato nel regolamento didattico, la frequenza è in generale non obbligatoria, con la sola eccezione di alcune attività laboratoriali. Per queste sarà chiaramente indicato nella scheda del corrispondente insegnamento l'ammontare di ore per cui è richiesta la frequenza obbligatoria.

È consentita l'iscrizione a tempo parziale. Per saperne di più consulta la pagina Possibilità di iscrizione Part time.

Le attività didattiche del corso di studi si svolgono negli spazi dell’area di Scienze e Ingegneria che è composta dagli edifici di Ca’ Vignal 1, Ca’ Vignal 2, Ca’ Vignal 3 e Piramide, siti nel polo di Borgo Roma. 
Le lezioni frontali si tengono nelle aule di Ca’ Vignal 1, Ca’ Vignal 2, Ca’ Vignal 3 mentre le esercitazioni pratiche nei laboratori didattici dedicati alle varie attività.

Caratteristiche dei laboratori didattici a disposizione degli studenti

  • Laboratorio Alfa
    • 50 PC disposti in 13 file di tavoli
    • 1 PC per docente collegato a un videoproiettore 8K Ultra Alta Definizione per le esercitazioni
    • Configurazione PC: Intel Core i3-7100, 8GB RAM, 250GB SSD, monitor 24", Linux Ubuntu 24.04
    • Tutti i PC sono accessibili da persone in sedia a rotelle
  • Laboratorio Delta
    • 120 PC in 15 file di tavoli
    • 1 PC per docente collegato a due videoproiettori 4K per le esercitazioni
    • Configurazione PC: Intel Core i3-7100, 8GB RAM, 250GB SSD, monitor 24", Linux Ubuntu 24.04
    • Un PC è su un tavolo ad altezza variabile per garantire un accesso semplificato a persone in sedia a rotelle
  • Laboratorio Gamma (Cyberfisico)
    • 19 PC in 3 file di tavoli
    • 1 PC per docente con videoproiettore 4K
    • Configurazione PC: Intel Core i7-13700, 16GB RAM, 512GB SSD, monitor 24", Linux Ubuntu 24.04
  • Laboratorio VirtualLab
    • Accessibile via web: https://virtualab.univr.it
    • Emula i PC dei laboratori Alfa/Delta/Gamma
    • Usabile dalla rete universitaria o tramite VPN dall'esterno
    • Permette agli studenti di lavorare da remoto (es. biblioteca, casa) con le stesse funzionalità dei PC di laboratorio

Caratteristiche comuni:

  • Tutti i PC hanno la stessa suite di programmi usati negli insegnamenti di laboratorio
  • Ogni studente ha uno spazio disco personale di XXX GB, accessibile da qualsiasi PC
  • Gli studenti quindi possono usare qualsiasi PC in qualsiasi laboratorio senza limitazioni ritrovando sempre i documenti salvati precedentemente

Questa organizzazione dei laboratori offre flessibilità e continuità nel lavoro degli studenti, consentendo l'accesso ai propri documenti e all'ambiente di lavoro da qualsiasi postazione o da remoto.


Gestione carriere


Area riservata studenti


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 prevede la preparazione sotto la guida di un relatore di un elaborato scritto (tesi), che può consistere nella trattazione di un argomento teorico, o nella risoluzione di un problema specifico, o nella descrizione di un progetto di lavoro, o di un'esperienza fatta in un'azienda, in un laboratorio, in una scuola ecc. La tesi, preferibilmente redatta in TeX/LaTeX/AMSTeX e usando il pacchetto LaTeX Frontespizio, può essere inviata preliminarmente in formato elettronico ai membri della Commissione Valutazione Tesi e dovrà essere presentata, in duplice copia, al momento della discussione. La tesi potrà essere redatta anche in lingua inglese.

La discussione della tesi, che dovrà durare indicativamente tra i venti e i trenta minuti, avverrà davanti ad una Commissione Valutazione Tesi nominata dal Presidente del collegio Didattico di Matematica. ll Presidente della commissione è il professore di ruolo di più alto grado accademico. La Commissione Valutazione Tesi è composta da almeno tre Docenti tra cui possibilmente il Relatore. Ogni Commissione Valutazione Tesi potrà valutare più studenti in funzione del contenuto del lavoro da essi presentato. La discussione della tesi viene effettuata durante i trenta giorni precedenti la data stabilita per la sessione di Laurea, ne viene data adeguata comunicazione ed è aperta al pubblico.

La Commissione Valutazione Tesi attribuisce ad ogni studente un punteggio della prova finale che va da zero a cinque. La valutazione della prova finale si articola in maniera tale da tenere conto delle conoscenze acquisite dallo studente durante il lavoro di tesi, del loro grado di comprensione, dell'autonomia di giudizio, delle capacità dimostrate dallo studente di applicare dette conoscenze e di comunicare efficacemente e compiutamente l'insieme degli esiti del lavoro ed i principali risultati ottenuti (si vedano la Tabella 1 per tesi di laurea triennale e la Tabella 2 per tesi di laurea magistrale, in calce al presente regolamento). Il Presidente della Commissione Valutazione Tesi invia una relazione, firmata da tutti i componenti della Commissione, al Presidente della Commissione di Esame Finale indicando per ogni studente il punteggio attribuito per l'esame finale ed un eventuale breve giudizio.

La Commissione di Esame Finale, unica per tutti gli studenti di quella sessione di Laurea, viene nominata dal Presidente del Collegio Didattico di Matematica. Il Presidente della commissione è il professore di ruolo di più alto grado accademico. La Commissione di Esame Finale deve essere composta da un Presidente e almeno da altri quattro Commissari scelti tra i docenti dell'Ateneo.

La Commissione di Esame Finale determina per ogni studente il punteggio finale sommando la media, pesata rispetto ai relativi CFU, espressa in centodecimi, dei voti degli esami del piano di studi, escluse le attività in sovrannumero, con il punteggio della prova finale. Aggiunge inoltre il punteggio attribuito alla carriera dello studente, da zero a due (si veda la Tabella 3, in calce al presente regolamento). Il voto finale, espresso in centodecimi, si ottiene arrotondando all'intero più vicino (all'intero superiore, in caso di equidistanza) il punteggio ottenuto, senza eccedere 110 centodecimi e assegnando la lode solo con l'unanimità della Commissione di Esame Finale al candidato che abbia raggiunto i 110 centodecimi dopo l'arrotondamento.

La Commissione di Esame Finale procede alla proclamazione dei nuovi Laureati in Matematica Applicata o Laureati magistrali in Mathematics con una cerimonia pubblica ed ufficiale.

Documenti

Titolo Info File
File pdf 1. Come scrivere una tesi pdf, it, 31 KB, 02/11/22
File pdf 2. How to write a thesis pdf, en, 31 KB, 02/11/22
File pdf 5. Regolamento tesi pdf, it, 171 KB, 20/03/24

Elenco delle proposte di tesi

Proposte di tesi Area di ricerca
Controllo di sistemi multiagente Calculus of variations and optimal control; optimization - Hamilton-Jacobi theories, including dynamic programming
Controllo di sistemi multiagente Calculus of variations and optimal control; optimization - Manifolds
Controllo di sistemi multiagente Calculus of variations and optimal control; optimization - Optimality conditions
Formule di rappresentazione per gradienti generalizzati Mathematics - Analysis
Formule di rappresentazione per gradienti generalizzati Mathematics - Mathematics
Tesi assegnate a studenti di matematica Argomenti vari

Erasmus+ e altre esperienze all’estero