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.
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. 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.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | The fashion lab (1 ECTS) | D |
Caterina Fratea
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Data Analysis for Biomedical Sciences | D |
Gloria Menegaz
(Coordinator)
|
1° 2° | Introduction to Robotics for students of scientific courses. | D |
Paolo Fiorini
(Coordinator)
|
1° 2° | Matlab-Simulink programming | D |
Bogdan Mihai Maris
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | The fashion lab (1 ECTS) | D |
Caterina Fratea
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Introduction to Robotics for students of scientific courses. | D |
Paolo Fiorini
(Coordinator)
|
1° 2° | Introduction to 3D printing | D |
Franco Fummi
(Coordinator)
|
1° 2° | HW components design on FPGA | D |
Franco Fummi
(Coordinator)
|
1° 2° | Rapid prototyping on Arduino | D |
Franco Fummi
(Coordinator)
|
1° 2° | Protection of intangible assets (SW and invention)between industrial law and copyright | D |
Roberto Giacobazzi
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Python programming language | D |
Giulio Mazzi
(Coordinator)
|
Algorithmic Game Theory (2021/2022)
Teaching code
4S008905
Teacher
Coordinator
Credits
6
Language
Italian
Scientific Disciplinary Sector (SSD)
INF/01 - INFORMATICS
Period
Secondo semestre dal Mar 7, 2022 al Jun 10, 2022.
Learning outcomes
Many problems in computer science involve settings where multiple self-interested parties interact, e.g., resource allocation in large networks, online advertising, managing electronic marketplaces and networked computer systems. Computational (algorithmic) game theory complements economic models and solution concepts, to reason about how agents should act when the actions of other agents affect their utilities, with a focus to discuss computational complexity issues, and the use of approximation bounds for models where exact solutions are unrealistic. The course aims to give students an introduction to the main concepts in the field of computational game theory with representative models and (algorithmic) solution chosen to illustrate broader themes. Students will acquire the basic skills to design models and computer systems that performs optimally/well in some paradigmatic multiagent settings; and to reason about the design of mechanisms to incentivate self-interested users to behave in a desirable way.
Program
1. Introduction to strategic games, costs, payoffs; basic solution concepts; equilibria and learning in games; Nash equilibrium; repeated games; cooperative games; markets and algorithmic issues. 2. Basic computational issues of finding equilibrium. 3. Repeatedly making decisions with uncertainty; learning, regret minimization and equilibrium. 3. Graphical games and connections to probabilistic inference in machine learning. 4. Elements of Mechanism Design; Auctions; distributed mechanism design.
Examination Methods
The exam verifies that the students have acquired sufficient confidence and skill in the application of the basic game thoretic models and their solutions, and are able to contextualize them in novel multiagent scenarios.
The exam consists of a written test with open questions and multiple choice questions. The test includes some mandatory exercises and a set of exercises among which the student can choose what to work on. The mandatory exercises are meant to verify a straightforward application of the elements studied in class. The "free-choice" exercises test the ability of students to re-elaborate these notions in "new" scenarios.