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 didattico
Il calendario didattico indica i periodi di svolgimento delle attività formative, di sessioni d'esami, di laurea e di chiusura per le festività.
| Periodo | Dal | Al |
|---|---|---|
| I semestre | 1-ott-2020 | 29-gen-2021 |
| II semestre | 1-mar-2021 | 11-giu-2021 |
| Sessione | Dal | Al |
|---|---|---|
| Sessione invernale d'esame | 1-feb-2021 | 26-feb-2021 |
| Sessione estiva d'esame | 14-giu-2021 | 30-lug-2021 |
| Sessione autunnale d'esame | 1-set-2021 | 30-set-2021 |
| Sessione | Dal | Al |
|---|---|---|
| Sessione Estiva | 19-lug-2021 | 19-lug-2021 |
| Sessione Autunnale | 19-ott-2021 | 19-ott-2021 |
| Sessione Autunnale Dicembre | 7-dic-2021 | 7-dic-2021 |
| Sessione Invernale | 17-mar-2022 | 17-mar-2022 |
| Periodo | Dal | Al |
|---|---|---|
| Festa dell'Immacolata | 8-dic-2020 | 8-dic-2020 |
| Vacanze Natalizie | 24-dic-2020 | 3-gen-2021 |
| Epifania | 6-gen-2021 | 6-gen-2021 |
| Vacanze Pasquali | 2-apr-2021 | 5-apr-2021 |
| Santo Patrono | 21-mag-2021 | 21-mag-2021 |
| Festa della Repubblica | 2-giu-2021 | 2-giu-2021 |
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
Per dubbi o domande leggi le risposte alle domande più frequenti F.A.Q. Iscrizione Esami
Docenti
+39 045 802 7980
maurizio.boscaini@univr.it
alberto.burato@univr.it
matteo.calgaro_01@univr.it
vittoria.cozza@univr.it
mila.dallapreda@univr.it
michele.ginesi@univr.it
rosanna.laking@univr.it
michele.lora@univr.it
stefano.spellini@univr.it
claudio.tomazzoli@univr.it
franco.zivcovich@univr.it
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.
| Insegnamenti | Crediti | TAF | SSD |
|---|
Architettura degli elaboratori
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
Architettura degli elaboratori
2° Anno Attivato nell'A.A. 2021/2022
| Insegnamenti | Crediti | TAF | SSD |
|---|
3° Anno Attivato nell'A.A. 2022/2023
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
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.
Tipologia di Attività formativa D e F
Le attività formative in ambito D o F comprendono gli insegnamenti impartiti presso l'Università di Verona o periodi di stage/tirocinio professionale.
Nella scelta delle attività di tipo D, gli studenti dovranno tener presente che in sede di approvazione si terrà conto della coerenza delle loro scelte con il progetto formativo del loro piano di studio e dell'adeguatezza delle motivazioni eventualmente fornite.
| anni | Insegnamenti | TAF | Docente |
|---|---|---|---|
| 3° | Controlli automatici | D |
Riccardo Muradore
(Coordinatore)
|
| 3° | Elaborazione dei dati e dei segnali biomedici | D |
Silvia Francesca Storti
(Coordinatore)
|
| 3° | Elaborazione dei dati e dei segnali biomedici | D |
Silvia Francesca Storti
(Coordinatore)
|
| 3° | Linguaggio Programmazione Matlab-Simulink | D |
Bogdan Mihai Maris
(Coordinatore)
|
| anni | Insegnamenti | TAF | Docente |
|---|---|---|---|
| 3° | Introduzione alla stampa 3D | D |
Franco Fummi
(Coordinatore)
|
| 3° | Linguaggio programmazione Python | D |
Vittoria Cozza
(Coordinatore)
|
| 3° | Progettazione di componenti hardware su FPGA | D |
Franco Fummi
(Coordinatore)
|
| 3° | Prototipizzazione con Arduino | D |
Franco Fummi
(Coordinatore)
|
| 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 |
Rossana Capuani
|
|
| 3° | Lab.: The fashion lab (1 cfu) | D |
Maria Caterina Baruffi
(Coordinatore)
|
|
| 3° | Linguaggio Programmazione LaTeX | D |
Enrico Gregorio
(Coordinatore)
|
|
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
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 a breve anche tramite l'app Univr.
Erasmus+ e altre esperienze all’estero
Prova Finale
Per essere ammessi alla prova finale occorre avere conseguito tutti i crediti nelle attività formative previste dal piano degli studi. Alla prova finale (esame di laurea) sono riservati 6 CFU. La Laurea in Informatica viene conseguita dalla/o studentessa/studente superando con esito positivo l'esame di laurea e completando in questo modo i 180 CFU stabiliti dal piano di studi. L'esame di laurea consiste in un colloquio che può essere basato su al più due delle seguenti opzioni: - breve elaborato scritto, anche in lingua inglese, su argomento assegnato; - esame orale, anche in lingua inglese, su argomento assegnato; - esame scritto, anche in lingua inglese, su argomento assegnato. La forma dell'esame viene concordata tra lo studente e il docente referente (relatore) il quale è membro della commissione d'esame. La valutazione dell'esame è basata sul livello di approfondimento dimostrato dallo studente, sulla chiarezza espositiva, e sulla capacità dello studente di inquadrare l'argomento assegnato in un contesto più ampio.
Svolgimento della prova finale.
La/lo studentessa/studente potrà avvalersi del supporto dei docenti del Dipartimento di Informatica per la scelta e l'approfondimento richiesto. È obbligo dei docenti fornire assistenza nell'ambito delle proprie attività di tutorato e ricevimento alle/agli studentesse/studenti per quanto riguarda l'approfondimento richiesto. Il punteggio finale di Laurea è stabilito da una apposita commissione di Laurea secondo le modalità indicate nel Regolamento di Ateneo, che esprime un giudizio finale in centodecimi con eventuale lode. Il punteggio minimo per il superamento dell'esame finale è di 66/110. II voto di ammissione è determinato rapportando la media pesata sui CFU degli esami di profitto a 110 e successivamente arrotondando il risultato all'intero più vicino. A parità di distanza, si arrotonda all'intero superiore. Per media degli esami di profitto si intende la media ponderata sui crediti. E' previsto un incremento al massimo di 8/110 rispetto al voto di ammissione, di cui 4 punti riservati alla valutazione dell'esame di laurea e 4 punti riservati alla valutazione del curriculum della/o studentessa/studente. La valutazione del curriculum avviene attraverso un calcolo che tiene conto positivamente delle lodi conseguite e degli eventuali periodi di Erasmus, mentre tiene conto negativamente degli eventuali anni fuori corso: se in corso: 3,5 + 0,2 * numero lodi; se fuori corso: 3,5 – 0,5* numero anni fuori corso + 0,1 * numero lodi; 1 punto ogni 3 mesi di Erasmus effettuato. L'attribuzione della lode, nel caso di un incremento che porti ad una votazione che raggiunga o superi 110/110, è a discrezione della commissione di Laurea nonché attribuita se il parere dei membri della commissione è unanime. Il relatore dell'esame di laurea potrà essere un qualunque docente strutturato dell'Ateneo che soddisfa almeno uno dei seguenti requisiti: componente del Collegio Didattico del corso di laurea, oppure componente del Dipartimento di Informatica, oppure che insegna in un SSD presente nel piano del corso di laurea.
Elenco delle proposte di tesi e stage
| Proposte di tesi | Area di ricerca |
|---|---|
| Analisi e percezione dei segnali biometrici per l'interazione con robot | AI, Robotics & Automatic Control - AI, Robotics & Automatic Control |
| Integrazione del simulatore del robot Nao con Oculus Rift | AI, Robotics & Automatic Control - AI, Robotics & Automatic Control |
| Domain Adaptation | Computer Science and Informatics: Informatics and information systems, computer science, scientific computing, intelligent systems - Computer graphics, computer vision, multi media, computer games |
| Domain Adaptation | Computer Science and Informatics: Informatics and information systems, computer science, scientific computing, intelligent systems - Machine learning, statistical data processing and applications using signal processing (e.g. speech, image, video) |
| Tesi in ragionamento automatico | Computing Methodologies - ARTIFICIAL INTELLIGENCE |
| Domain Adaptation | Computing Methodologies - IMAGE PROCESSING AND COMPUTER VISION |
| Domain Adaptation | Computing methodologies - Machine learning |
| Dati geografici | Information Systems - INFORMATION SYSTEMS APPLICATIONS |
| Analisi e percezione dei segnali biometrici per l'interazione con robot | Robotics - Robotics |
| Integrazione del simulatore del robot Nao con Oculus Rift | Robotics - Robotics |
| Tesi in ragionamento automatico | Theory of computation - Logic |
| Tesi in ragionamento automatico | Theory of computation - Semantics and reasoning |
| Proposte di tesi/collaborazione/stage in Intelligenza Artificiale Applicata | Argomenti vari |
| Proposte di Tesi/Stage/Progetto nell'ambito delle basi di dati/sistemi informativi | Argomenti vari |
Modalità di frequenza
Come riportato nel Regolamento Didattico per l'A.A. 2022/2023, la frequenza al corso di studio non è obbligatoria.
Per le modalità di erogazione della didattica, si rimanda alle informazioni in costante aggiornamento dell'Unità di Crisi.
