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.

Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.
Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:

Laurea magistrale in Ingegneria e scienze informatiche - Immatricolazione dal 2025/2026

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.

Insegnamenti e altre attività che si possono inserire autonomamente a libretto valide per l'a.a. 2024/25

 

Anno accademico:

Codice insegnamento

4S012349

Crediti

6

Coordinatore

Pietro Sala

Lingua di erogazione

Italiano

Settore Scientifico Disciplinare (SSD)

INF/01 - INFORMATICA

Corsi Singoli

Autorizzato

L'insegnamento è organizzato come segue:

Teoria
Attività mutuata da Estrazione e integrazione di conoscenza dei dati - Teoria del corso: Laurea magistrale in Ingegneria e scienze informatiche [LM-18/32]

Crediti

5

Periodo

I semestre

Docenti

Pietro Sala

Laboratorio
Attività mutuata da Estrazione e integrazione di conoscenza dei dati - Laboratorio del corso: Laurea magistrale in Ingegneria e scienze informatiche [LM-18/32]

Crediti

1

Periodo

I semestre

Docenti

Pietro Sala

Obiettivi di apprendimento

Il corso si propone di fornire le basi teoriche e pratiche riguardanti l’integrazione di dati da sorgenti eterogenee e la conseguente fase di estrazione di informazioni di sintesi e/o conoscenza. Al termine del corso gli studenti saranno in grado, dato un problema di data mining, di sviluppare un'intera pipeline per l'integrazione delle sorgenti di dati necessarie, scegliere e applicare tecniche di data mining più adeguate, e, infine, valutare l'efficacia delle tecniche utilizzate. Con le capacità acquisite lo studente sarà in grado di elaborare soluzioni originali o adattare soluzioni esistenti a problemi di data mining provenienti da svariati ambiti (industriale, aziendale, sanitario, etc.) e valutarne l'applicabilità nel mondo reale.

Programma

Il corso si articola in cinque moduli principali che coprono le tecniche fondamentali per l'estrazione e integrazione di conoscenza dai dati. Si inizia con un'introduzione ai concetti fondamentali del data mining e alla panoramica del processo di scoperta della conoscenza. Il primo modulo principale è dedicato alle Association Rules, approfondendo algoritmi per l'identificazione di pattern frequenti, l'analisi di regole di associazione con esempi pratici su dati di qualità dell'aria, e l'utilizzo di p-value per la validazione statistica. Il secondo modulo esplora le Mining Structures, concentrandosi su approcci data-driven per l'analisi di processi, process mining e automata learning. Il terzo modulo copre tecniche avanzate di Machine Learning, includendo classificazione, regressione logistica, metodi ensemble, post-pruning, clustering k-means, analisi di time-series, conformal prediction e boosting. È presente un che modulo integra Game Theory nel data mining, esplorando equilibri di Nash, valori di Shapley, e loro applicazioni nell'interpretazione dei modelli.

Modalità di verifica dell'apprendimento

La verifica dell'apprendimento si basa sullo svolgimento di esercizi assegnati durante il corso e un colloquio orale finale. Gli studenti dovranno completare tutti gli esercizi proposti dal docente, che coprono i diversi argomenti del programma: Association Rules, Mining Structures, Machine Learning, Game Theory for Data Mining e Pattern Mining. Non sono previste proposte alternative - tutti gli esercizi assegnati sono obbligatori e devono essere consegnati. Durante il colloquio orale, gli studenti presenteranno i risultati degli esercizi svolti e risponderanno a domande sui metodi utilizzati, sui risultati ottenuti e sui concetti teorici sottostanti le tecniche di data mining applicate.

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