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.
Tipologia di 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 Informatica - 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.
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.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
2° 3° | Introduction to docker & kubernetes | D |
Franco Fummi
(Coordinatore)
|
2° 3° | Introduzione alla robotica per studenti di materie scientifiche | D |
Paolo Fiorini
(Coordinatore)
|
2° 3° | Linguaggio Programmazione Matlab-Simulink | D |
Bogdan Mihai Maris
(Coordinatore)
|
2° 3° | Progettazione di app mobile tramite react native | D |
Graziano Pravadelli
(Coordinatore)
|
2° 3° | Prototipizzazione con Arduino | D |
Franco Fummi
(Coordinatore)
|
2° 3° | Sfide di programmazione | D |
Romeo Rizzi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
2° 3° | Introduzione alla stampa 3D | D |
Franco Fummi
(Coordinatore)
|
2° 3° | Linguaggio Programmazione LaTeX | D |
Enrico Gregorio
(Coordinatore)
|
2° 3° | Linguaggio programmazione Python | D |
Carlo Combi
(Coordinatore)
|
2° 3° | Progettazione di componenti hardware su FPGA | D |
Franco Fummi
(Coordinatore)
|
2° 3° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Roberto Giacobazzi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° | Conoscenze per l'accesso: matematica | D |
Franco Zivcovich
|
Elaborazione dei dati e dei segnali biomedici (2022/2023)
Codice insegnamento
4S008201
Crediti
6
Lingua di erogazione
Italiano
Settore Scientifico Disciplinare (SSD)
ING-INF/06 - BIOINGEGNERIA ELETTRONICA E INFORMATICA
L'insegnamento è organizzato come segue:
Teoria
Laboratorio
Obiettivi di apprendimento
Il corso si propone fornire le conoscenze di base di metodi e modelli per l’elaborazione di dati e se- gnali biomedici e di bioimmagini Al termine del corso lo studente dovrà dimostrare di avere conoscenza dei principali metodi di elabo- razione dei segnali biomedici e di bioimmagini e capacità di comprendere temi avanzati nell'ambito della bioingegneria; Capacità di analizzare e risolvere mediante gli strumenti acquisiti, sia teorici che pratici, dei problemi di interesse nell'ambito della bioingegneria; Capacità di proseguire gli studi in modo autonomo nell’ambito della bioingegneria.
Prerequisiti e nozioni di base
-
Programma
------------------------
MM: Teoria
------------------------
(1) Principali segnali e immagini biomediche. Origine, caratteristiche ed acquisizione dei principali segnali bioelettrici (segnale elettroencefalografico - EEG, megnetoencefalografico – MEG, elettrocardiografico - ECG, elettromiografico – EMG, segnali spontanei ed indotti, potenziali evocati - EP, potenziali evento-relati - ERP); introduzione alle bioimmagini. (2) Tecniche di analisi nel dominio del tempo e in frequenza. Fondamenti dell'elaborazione digitale dei biosegnali e caratterizzazione nel dominio del tempo. Metodi di filtraggio digitale, campionamento, conversione A/D. Metodi classici per l’analisi in frequenza; bande in frequenza e spettro di potenza, periodogramma; risoluzione tempo/frequenza; bispettri e coerenza; estrazione delle caratteristiche. Metodi di analisi di sorgente per segnali cerebrali (problema diretto e inverso per il segnale EEG e MEG); metodi di analisi di connettività cerebrale funzionale ed effettiva. Applicazioni a segnali in silico e reali. (3) Analisi statistica di dati biomedici. Richiami a concetti di base di statistica descrittiva ed inferenziale. Descrizione dell’errore di misura dei dati, descrizione statistica dei dati sperimentali: indici statistici, intervalli di confidenza, verifica delle ipotesi e livelli di significatività, regressione lineare semplice e multivariata per segnali ed immagini biomediche. (4) Brain-computer interfaces. Introduzione ai principali metodi di elaborazione dei dati che consentono di decodificare l’attività cerebrale in tempo reale e convertirla in un segnale di controllo per un’interfaccia tra cervello-computer. Verrà introdotto il modello BCI e il suo contesto storico, le diverse tecniche invasive e non che permettono di misurare in tempo reale le risposte di un individuo a particolari stimoli, le modalità di interpretazione delle stesse (filtraggio, estrazione delle caratteristiche e classificazione) e la tecnologia BCI.
------------------------
MM: Laboratorio
------------------------
Il corso prevede una serie di laboratori in aula informatica con esercitazioni principalmente in ambiente MATLAB finalizzate alla familiarizzazione con i principali metodi per l’analisi di segnali e immagini biomediche (e.g. ECG, EMG, EEG, potenziali evocati, risonanza magnetica funzionale). I laboratori prevedono anche un’attività progettuale in piccoli gruppi per la risoluzione di problemi di analisi di dati biomedici. I laboratori completano le lezioni consolidando l'apprendimento e sviluppando capacità pratiche di problem-solving nel contesto della bioingegneria.
Bibliografia
Modalità didattiche
Modalità di erogazione della didattica. Lezioni frontali alla lavagna e con ausilio di diapositive a supporto, esercitazioni e progetto in laboratorio. L’approccio del corso è di tipo “hands on” dove gli studenti avranno modo di sperimentare la progettazione e l’identificazione delle metodologie di analisi più adatte per la soluzione a problemi reali di interesse medico-clinico. 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
L’esame prevede un colloquio sui temi trattati preceduto da una breve discussione del progetto assegnato ai gruppi in laboratorio.
Criteri di valutazione
Per superare l'esame lo studente dovrà dimostrare di: - aver compreso i concetti teorici e pratici degli argomenti trattati; - saper risolvere problemi connessi all’elaborazione di segnali e dati biomedici applicando le conoscenze acquisite; - conoscere l’ambiente Matlab nel contesto dell’elaborazione dei segnali e dati biomedici.
Criteri di composizione del voto finale
Il voto finale sarà dato da una media pesata (2/3 teoria, 1/3 laboratorio) dei due voti.
Lingua dell'esame
Italiano