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 sem. | 2-ott-2017 | 31-gen-2018 |
II sem. | 1-mar-2018 | 15-giu-2018 |
Sessione | Dal | Al |
---|---|---|
Sessione invernale d'esame | 1-feb-2018 | 28-feb-2018 |
Sessione estiva d'esame | 18-giu-2018 | 31-lug-2018 |
Sessione autunnale d'esame | 3-set-2018 | 28-set-2018 |
Sessione | Dal | Al |
---|---|---|
Sessione di laurea estiva | 18-lug-2018 | 18-lug-2018 |
Sessione di laurea autunnale | 22-nov-2018 | 22-nov-2018 |
Sessione di laurea invernale | 20-mar-2019 | 20-mar-2019 |
Periodo | Dal | Al |
---|---|---|
Vacanze di Natale | 22-dic-2017 | 7-gen-2018 |
Vacanze di Pasqua | 30-mar-2018 | 3-apr-2018 |
Festa del Santo Patrono - S. Zeno | 21-mag-2018 | 21-mag-2018 |
Vacanze estive | 6-ago-2018 | 19-ago-2018 |
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
Docenti
Bloisi Domenico Daniele
domenico.bloisi@univr.itFolloni Valentina
Mogavero Fabio
fabio.mogavero@univr.itUgolini Simone
simone.ugolini@univr.itPiano 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.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
Architettura degli elaboratori
2° Anno Attivato nell'A.A. 2018/2019
Insegnamenti | Crediti | TAF | SSD |
---|
3° Anno Attivato nell'A.A. 2019/2020
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Architettura degli elaboratori
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.
Probabilita' e statistica (2017/2018)
Codice insegnamento
4S02843
Crediti
6
Lingua di erogazione
Italiano
Offerto anche nei corsi:
- Probabilità e statistica - Teoria del corso Laurea in Bioinformatica
- Probabilità e statistica - Laboratorio del corso Laurea in Bioinformatica
- Probabilità e statistica - Laboratorio del corso Laurea in Bioinformatica
Settore Scientifico Disciplinare (SSD)
MAT/06 - PROBABILITÀ E STATISTICA MATEMATICA
L'insegnamento è organizzato come segue:
Teoria
Laboratorio [Cognomi A-L]
Laboratorio [Cognomi M-Z]
Obiettivi formativi
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 statistiche 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.
Programma
Statistica descrittiva. Le medie: generalità; le medie potenziate; la media aritmetica; la media armonica; la media geometrica; la media quadratica; la media cubica e le altre medie potenziate; le medie lasche; la mediana; le altre medie di posizione: quartili, decili, percentili o quantili; la moda.
Gli indici di variabilità: la variabilità; gli intervalli di variazione; il campo di variazione; la differenza interquartile; gli scarti da un valore medio; gli scostamenti semplici medi; lo scarto quadratico medio; la varianza, la varianza di una trasformazione lineare, della somma di variabili, del miscuglio; la standardizzazione.
La simmetria: il coefficiente skewness di Pearson.
Il test di indipendenza nelle tabelle a doppia entrata.
La regressione lineare.
Introduzione alla probabilità: approccio classico, frequentista, soggettivo. Richiami di teoria degli insiemi, operazioni logiche su eventi ed interpretazione insiemistica. Definizione assiomatica di probabilità: prime definizioni e proprietà. Probabilità condizionate: prime definizioni e conseguenze immediate della probabilità condizionata: formula delle probabilità composte, formula delle probabilità totali.
Elementi di calcolo combinatorio: disposizioni, permutazioni, combinazioni.
Variabili casuali e distribuzioni di probabilità: funzioni di ripartizione proprietà. Variabili casuali discrete e variabili casuali continue. Principali esempi di distribuzioni di probabilità: v.c. binomiale e schema delle prove ripetute, v.c. geometrica, v.c. ipergeometrica, v.c. di Poisson, v.c. esponenziale, v.c. gaussiana. Momenti di variabili casuali: valore atteso e varianza e rispettive proprietà.
Statistica inferenziale: stima dei parametri e test di ipotesi.
Bibliografia
Attività | Autore | Titolo | Casa editrice | Anno | ISBN | Note |
---|---|---|---|---|---|---|
Teoria | P. Baldi | Calcolo delle Probabilità e Statistica (Edizione 2) | Mc Graw-Hill | 1998 | 8838607370 | |
Teoria | D. OLIVIERI | Fondamenti di statistica | Cedam, Padova | |||
Teoria | D. OLIVIERI | Temi svolti di statistica (2001-2007) | Cedam, Padova | 2008 |
Modalità d'esame
Esame scritto e prova con il linguaggio di programmazione R.
L'esame è diviso in due parti: un modulo di Teoria (22 punti) ed un modulo di Laboratorio (8 punti), da sostenersi durante lo stesso appello d'esame.
La prova consisterà di:
- 3 esercizi, da svolgere con carta, penna e calcolatrice, relativi al modulo di Teoria;
- 2 esercizi riguardanti il linguaggio di programmazione R, da svolgere con carta e penna, relativi al modulo di Laboratorio.
Non è consentito l'utilizzo di libri di testo, manuali o appunti durante la prova. E' possibile l'utilizzo di una calcolatrice scientifica.
Materiale e documenti
- Esame 2018-06-22 - Soluzione (it, 773 KB, 18/02/19)
- Esame 2018-06-22 - Testo prova (it, 92 KB, 23/06/18)
- Esame 2018-07-20 - Soluzione (it, 537 KB, 21/07/18)
- Esame 2018-07-20 - Testo prova (it, 97 KB, 21/07/18)
- Esame 2018-09-14 - Soluzione (it, 812 KB, 15/09/18)
- Esame 2018-09-14 - Testo prova (it, 207 KB, 15/09/18)
- Esame 2019-02-15 - Soluzione (it, 29 KB, 18/02/19)
- Esame 2019-02-15 - Testo prova (it, 28 KB, 18/02/19)
- LAB 01 - Statistica descrittiva con R (it, 628 KB, 13/03/18)
- LAB 02 - Indici di Simmetria e Appiattimento (it, 774 KB, 27/03/18)
- LAB 03 - Connessione nelle tabelle a doppia entrata (it, 720 KB, 10/04/18)
- LAB 04 - La Regressione Lineare (it, 988 KB, 21/04/18)
- LAB 05 - Variabili Casuali Discrete (it, 891 KB, 04/05/18)
- LAB 06 - Esercizi su VC Discrete (it, 217 KB, 08/05/18)
- LAB 07 - Variabili Casuali Continue (it, 935 KB, 12/05/18)
- LAB 08 - Esercizi su VC Continue (it, 153 KB, 18/05/18)
- LAB 09 - Verifica di Ipotesi (it, 508 KB, 19/05/18)
- LAB 10 - Esercizi riepilogativi su Regressione Lineare (it, 256 KB, 26/05/18)
- LAB 11 - Esercizi riepilogativi 2 (it, 912 KB, 29/05/18)
- Tavola del Chi-Quadrato (it, 61 KB, 04/04/18)
- Tavola della Normale Standardizzata (it, 79 KB, 04/05/18)
Tipologia di Attività formativa D e F
Insegnamenti non ancora inseriti
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 anche tramite l'app Univr.
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
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 dell'analisi dei dati | Argomenti vari |
Docenti tutor
Modalità e sedi di frequenza
Come riportato nel Regolamento Didattico, la frequenza al corso di studio non è obbligatoria.
È consentita l'iscrizione a tempo parziale. Per saperne di più consulta la pagina Possibilità di iscrizione Part time.
Le attività didattiche del corso di studi si svolgono negli spazi dell’area di Scienze e Ingegneria che è composta dagli edifici di Ca’ Vignal 1, Ca’ Vignal 2, Ca’ Vignal 3 e Piramide, siti nel polo di Borgo Roma.
Le lezioni frontali si tengono nelle aule di Ca’ Vignal 1, Ca’ Vignal 2, Ca’ Vignal 3 mentre le esercitazioni pratiche nei laboratori didattici dedicati alle varie attività.
Caratteristiche dei laboratori didattici a disposizione degli studenti
- Laboratorio Alfa
- 50 PC disposti in 13 file di tavoli
- 1 PC per docente collegato a un videoproiettore 8K Ultra Alta Definizione per le esercitazioni
- Configurazione PC: Intel Core i3-7100, 8GB RAM, 250GB SSD, monitor 24", Linux Ubuntu 24.04
- Tutti i PC sono accessibili da persone in sedia a rotelle
- Laboratorio Delta
- 120 PC in 15 file di tavoli
- 1 PC per docente collegato a due videoproiettori 4K per le esercitazioni
- Configurazione PC: Intel Core i3-7100, 8GB RAM, 250GB SSD, monitor 24", Linux Ubuntu 24.04
- Un PC è su un tavolo ad altezza variabile per garantire un accesso semplificato a persone in sedia a rotelle
- Laboratorio Gamma (Cyberfisico)
- 19 PC in 3 file di tavoli
- 1 PC per docente con videoproiettore 4K
- Configurazione PC: Intel Core i7-13700, 16GB RAM, 512GB SSD, monitor 24", Linux Ubuntu 24.04
- Laboratorio VirtualLab
- Accessibile via web: https://virtualab.univr.it
- Emula i PC dei laboratori Alfa/Delta/Gamma
- Usabile dalla rete universitaria o tramite VPN dall'esterno
- Permette agli studenti di lavorare da remoto (es. biblioteca, casa) con le stesse funzionalità dei PC di laboratorio
Caratteristiche comuni:
- Tutti i PC hanno la stessa suite di programmi usati negli insegnamenti di laboratorio
- Ogni studente ha uno spazio disco personale di XXX GB, accessibile da qualsiasi PC
- Gli studenti quindi possono usare qualsiasi PC in qualsiasi laboratorio senza limitazioni ritrovando sempre i documenti salvati precedentemente
Questa organizzazione dei laboratori offre flessibilità e continuità nel lavoro degli studenti, consentendo l'accesso ai propri documenti e all'ambiente di lavoro da qualsiasi postazione o da remoto.