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.
Ulteriori Attività formativa D e F
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 in Bioinformatica - Immatricolazione dal 2025/2026Le 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.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto valide per l'a.a. 2024/25
| anni | Insegnamenti | TAF | Docente |
|---|---|---|---|
| 2° 3° | Attention laboratory | D |
Pietro Sala
(Coordinatore)
|
| 2° 3° | Elementi di Cosmologia e Relatività generale | D |
Claudia Daffara
(Coordinatore)
|
| 2° 3° | Introduzione alla meccanica quantistica per il quantum computing | D |
Claudia Daffara
(Coordinatore)
|
| 2° 3° | Introduzione alla programmazione di smart contract per Ethereum | D |
Sara Migliorini
(Coordinatore)
|
| 2° 3° | Linguaggio programmazione Python [English edition] | D |
Carlo Combi
(Coordinatore)
|
| 2° 3° | Oltre Arduino: dal prototipo al prodotto con microcontroller STM | D |
Franco Fummi
(Coordinatore)
|
| 2° 3° | Progettazione di app REACT | D |
Graziano Pravadelli
(Coordinatore)
|
| 2° 3° | Progettazione di componenti hardware su FPGA | D |
Franco Fummi
(Coordinatore)
|
| anni | Insegnamenti | TAF | Docente |
|---|---|---|---|
| 2° 3° | Attention laboratory | D |
Pietro Sala
(Coordinatore)
|
| 2° 3° | Linguaggio Programmazione LaTeX | D |
Enrico Gregorio
(Coordinatore)
|
| 2° 3° | Linguaggio programmazione Python [Edizione in italiano] | D |
Carlo Combi
(Coordinatore)
|
| 2° 3° | Prototipizzazione con Arduino | D |
Franco Fummi
(Coordinatore)
|
| 2° 3° | Sfide di programmazione | D |
Romeo Rizzi
(Coordinatore)
|
| 2° 3° | Strumenti per lo sviluppo di applicazioni di realtà virtuale e mista | D |
Andrea Giachetti
(Coordinatore)
|
| 2° 3° | Sviluppo e ciclo vitale di software di intelligenza artificiale | D |
Marco Cristani
(Coordinatore)
|
| 2° 3° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Mila Dalla Preda
(Coordinatore)
|
| anni | Insegnamenti | TAF | Docente |
|---|---|---|---|
| 1° | Conoscenze per l'accesso: matematica | D |
Franco Zivcovich
(Coordinatore)
|
Probabilità e statistica (2024/2025)
Codice insegnamento
4S00021
Crediti
6
Lingua di erogazione
Italiano
Settore Scientifico Disciplinare (SSD)
MAT/06 - PROBABILITÀ E STATISTICA MATEMATICA
Corsi Singoli
Autorizzato
L'insegnamento è organizzato come segue:
Teoria
Laboratorio
Obiettivi di apprendimento
Il corso si propone di fornire i concetti fondamentali della statistica descrittiva e del calcolo delle probabilità, in relazione alla possibilità di modellizzare problemi concreti attraverso l'uso di metodi probabilistici e, nel contempo, di sottolineare la naturale applicazione di tali concetti alla statistica matematica. Il corso vuole inoltre fornire degli strumenti concreti per applicare le principali tecniche stati-stiche a casi reali. Al termine del corso lo studente dovrà dimostrare di avere conoscenze e capacità di comprensione delle principali tecniche statistiche per la descrizione e l'analisi dei fenomeni oggetto di studio; avere capacità di applicare le conoscenze acquisite e capacità di comprensione per interpretare i risultati delle analisi statistiche applicate in maniera critica e proattiva, anche attraverso gli strumenti mostrati; saper sviluppare le competenze necessarie per proseguire gli studi in modo autonomo nell’ambito dell'analisi statistica.
Prerequisiti e nozioni di base
-
Programma
------------------------
MM: Teoria
------------------------
(1) Statistica descrittiva. Organizzazione e descrizione dei dati (tabelle e grafici delle frequenze). Le grandezze che sintetizzano i dati (media, mediana e moda campionaria, varianza e deviazione standard campionarie, percentili campionari, box plot). Campioni normali. Coefficiente di correlazione campionaria. (2) Introduzione alla probabilità. Elementi di probabilità: spazio degli esiti e degli eventi, i diagrammi di Venn e l’algebra degli eventi, assiomi della probabilità, spazi di esiti equiprobabili, probabilità condizionata, fattorizzazione di un evento e formula di Bayes, eventi indipendenti. Variabili aleatorie e valore atteso: variabili aleatorie discrete e continue, valore atteso e proprietà, varianza, la covarianza e la varianza della somma di variabili aleatorie. La funzione generatrice dei momenti. La legge debole dei grandi numeri. Modelli di variabili aleatorie: principali modelli di variabili aleatorie e distribuzioni che derivano da quella normale (chi-quadro, t, F). (3) Statistica inferenziale. La distribuzione delle statistiche campionarie. Stima parametrica (stimatori di massima verosimiglianza, intervalli di confidenza). Verifica delle ipotesi e livelli di significatività. (4) Regressione. Stima dei parametri di regressione. Distribuzione degli stimatori. Inferenza statistica sui parametri di regressione. Coefficiente di determinazione e coefficiente di correlazione campionaria. Analisi dei residui: verifica del modello. Linearizzazione. Minimi quadrati pesati.
------------------------
MM: Laboratorio
------------------------
Il corso prevede una serie di laboratori in aula informatica con esercitazioni in ambiente MATLAB. Dopo un'introduzione all'ambiente MATLAB e alle principali funzioni e tool utili per la statistica, verranno proposti esercizi di statistica descrittiva, probabilità, calcolo della funzione di densità (pdf) e della funzione di ripartizione (cdf) per modelli di variabili aleatorie, generazione di dati random, stima parametrica, test d’ipotesi per distribuzioni e regressione lineare. I laboratori completano le lezioni consolidando l'apprendimento e sviluppando capacità pratiche di problem-solving.
Bibliografia
Modalità didattiche
Lezioni frontali alla lavagna e con ausilio di diapositive a supporto, esercitazioni in aula ed esercitazioni in laboratorio. Il materiale didattico sarà reso disponibile agli studenti iscritti al corso sulla piattaforma Moodle. Tale materiale comprende le presentazioni delle lezioni in formato PDF e il materiale relativo alle attività di laboratorio. Per approfondimenti ed integrazioni si consiglia di consultare i testi di riferimento.
Modalità di verifica dell'apprendimento
La verifica consiste in una prova al computer via Moodle. La prova è costituita da domande di teoria (test a scelta multipla), problemi da risolvere e domande sulla parte di laboratorio sugli argomenti del programma (a risposta aperta).
Criteri di valutazione
Per superare l'esame lo studente dovrà dimostrare di: - aver compreso i concetti di base della teoria della probabilità e della statistica; - saper risolvere problemi applicando le conoscenze acquisite; - conoscere l’ambiente Matlab nel contesto statistico e probabilistico.
Criteri di composizione del voto finale
Il voto finale sarà dato da una media pesata dei tre voti (teoria, esercizi, laboratorio). Per superare l’esame è necessario acquisire un punteggio minimo di 18 su 33. La lode viene assegnata nel caso di punteggio superiore a 30.
Lingua dell'esame
Italiano
