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 accademico

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.

Definizione dei periodi di lezione
Periodo Dal Al
Primo semestre 4-ott-2021 28-gen-2022
Secondo semestre 7-mar-2022 10-giu-2022
Sessioni degli esami
Sessione Dal Al
Sessione invernale d'esame 31-gen-2022 4-mar-2022
Sessione estiva d'esame 13-giu-2022 29-lug-2022
Sessione autunnale d'esame 1-set-2022 30-set-2022
Sessioni di lauree
Sessione Dal Al
Sessione Estiva 15-lug-2022 15-lug-2022
Sessione Autunnale 14-ott-2022 14-ott-2022
Sessione Invernale 14-mar-2023 14-mar-2023
Vacanze
Periodo Dal Al
Festa di Tutti i Santi 1-nov-2021 1-nov-2021
Festa dell'Immacolata Concezione 8-dic-2021 8-dic-2021
Festività natalizie 24-dic-2021 2-gen-2022
Festa dell'Epifania 6-gen-2022 7-gen-2022
Festività pasquali 15-apr-2022 19-apr-2022
Festa della Liberazione 25-apr-2022 25-apr-2022
Festività Santo Patrono di Verona 21-mag-2022 21-mag-2022
Festa della Repubblica 2-giu-2022 2-giu-2022
Chiusura estiva 15-ago-2022 20-ago-2022

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

Calendario esami

Per dubbi o domande leggi le risposte alle domande più frequenti F.A.Q. Iscrizione Esami

Docenti

B C D E F G M O P Q R S V Z

Belussi Alberto

symbol email alberto.belussi@univr.it symbol phone-number +39 045 802 7980

Bombieri Nicola

symbol email nicola.bombieri@univr.it symbol phone-number +39 045 802 7094

Calanca Andrea

symbol email andrea.calanca@univr.it symbol phone-number +39 045 802 7847

Castellani Umberto

symbol email umberto.castellani@univr.it symbol phone-number +39 045 802 7988

Ceccato Mariano

symbol email mariano.ceccato@univr.it

Chiarini Andrea

symbol email andrea.chiarini@univr.it symbol phone-number 045 802 8223

Cristani Marco

symbol email marco.cristani@univr.it symbol phone-number +39 045 802 7841

Cubico Serena

symbol email serena.cubico@univr.it symbol phone-number 045 802 8132

Dall'Alba Diego

symbol email diego.dallalba@univr.it symbol phone-number +39 045 802 7074

Enrichi Francesco

symbol email francesco.enrichi@univr.it symbol phone-number +390458027051

Farinelli Alessandro

symbol email alessandro.farinelli@univr.it symbol phone-number +39 045 802 7842

Fiorini Paolo

symbol email paolo.fiorini@univr.it symbol phone-number 045 802 7963

Fummi Franco

symbol email franco.fummi@univr.it symbol phone-number 045 802 7994

Geretti Luca

symbol email luca.geretti@univr.it symbol phone-number +39 045 802 7850

Giachetti Andrea

symbol email andrea.giachetti@univr.it symbol phone-number +39 045 8027998

Giacobazzi Roberto

symbol email roberto.giacobazzi@univr.it symbol phone-number +39 045 802 7995

Gialanella Stefano

symbol email stefano.gialanella@unitn.it symbol phone-number 0461 282420

Maris Bogdan Mihai

symbol email bogdan.maris@univr.it symbol phone-number +39 045 802 7074

Mazzi Giulio

symbol email giulio.mazzi@univr.it

Menegaz Gloria

symbol email gloria.menegaz@univr.it symbol phone-number +39 045 802 7024

Muradore Riccardo

symbol email riccardo.muradore@univr.it symbol phone-number +39 045 802 7835

Murino Vittorio

symbol email vittorio.murino@univr.it symbol phone-number 045 802 7996

Muscolo Giovanni Gerardo

symbol email giovannigerardo.muscolo@univr.it

Oliboni Barbara

symbol email barbara.oliboni@univr.it symbol phone-number +39 045 802 7077

Pianezzi Daniela

symbol email daniela.pianezzi@univr.it

Pravadelli Graziano

symbol email graziano.pravadelli@univr.it symbol phone-number +39 045 802 7081

Quaglia Davide

symbol email davide.quaglia@univr.it symbol phone-number +39 045 802 7811

Quintarelli Elisa

symbol email elisa.quintarelli@univr.it symbol phone-number +390458027852

Romeo Alessandro

symbol email alessandro.romeo@univr.it symbol phone-number +39 045 802 7936; Lab: +39 045 802 7808

Setti Francesco

symbol email francesco.setti@univr.it symbol phone-number +39 045 802 7804

Villa Tiziano

symbol email tiziano.villa@univr.it symbol phone-number +39 045 802 7034

Visentin Francesco

symbol email francesco.visentin@univr.it symbol phone-number +39 045 802 7964

Zavatteri Matteo

symbol email matteo.zavatteri@univr.it symbol phone-number +39 045 802 7814

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.

1° Anno

InsegnamentiCreditiTAFSSD
9
B
ING-INF/04
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Robotics Systems
6
B/C
INF/01
6
B/C
ING-INF/05
Compulsory activities for Smart Systems & Data Analytics
6
B/C
INF/01 ,ING-INF/06
6
B/C
ING-INF/05

2° Anno  Attivato nell'A.A. 2022/2023

InsegnamentiCreditiTAFSSD
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Robotics Systems
Compulsory activities for Smart Systems & Data Analytics
6
B/C
ING-INF/05
Final exam
24
E
-
InsegnamentiCreditiTAFSSD
9
B
ING-INF/04
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Robotics Systems
6
B/C
INF/01
6
B/C
ING-INF/05
Compulsory activities for Smart Systems & Data Analytics
6
B/C
INF/01 ,ING-INF/06
6
B/C
ING-INF/05
Attivato nell'A.A. 2022/2023
InsegnamentiCreditiTAFSSD
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Robotics Systems
Compulsory activities for Smart Systems & Data Analytics
6
B/C
ING-INF/05
Final exam
24
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
Tra gli anni: 1°- 2°
Further activities
3
F
-
Tra gli anni: 1°- 2°
Training
3
F
-

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.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S009001

Crediti

9

Coordinatore

Vittorio Murino

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

L'insegnamento è organizzato come segue:

Teoria

Crediti

7

Periodo

Secondo semestre

Laboratorio

Crediti

2

Periodo

Secondo semestre

Obiettivi formativi

Il corso intende fornire i fondamenti teorici e descrivere le metodologie principali relative all’area di apprendimento automatico (machine learning), e più in generale all’area di Intelligenza Artificiale. In particolare, il corso si occuperà di descrivere i metodi di analisi, riconoscimento e classificazione automatica di dati di qualsiasi tipo, detti tipicamente pattern. Queste discipline sono alla base, sono utilizzate, e spesso completano molte altre discipline ed aree applicative di larga diffusione, quali la visione computazionale, la robotica, l’elaborazione delle immagini, data mining, l’analisi ed interpretazione di dati medicali e biologici, la bioinformatica, biometria, videosorveglianza, il riconoscimento del parlato e del testo e numerose altre. Più precisamente, le metodologie che verranno introdotte nel corso sono spesso parte integrante delle aree applicative su citate, e ne costituiscono la parte “intelligente” con l’obiettivo finale di comprendere (classificare, riconoscere, analizzare) i dati provenienti dal processo di interesse (siano essi segnali, immagini, stringhe, categoriali, o di altro tipo). A partire dalla tipologia di dati misurati, verrà considerata l’intera pipeline di analisi quali l’estrazione e selezione di caratteristiche; metodi di apprendimento automatico supervisionato e non supervisionato, tecniche di analisi parametriche e non, e i protocolli di validazione. Verranno infine analizzati in generale le recenti tecniche di apprendimento “profondo” (deep learning) con alcuni casi studio. In conclusione, il corso si propone di fornire allo studente un insieme di fondamenti teorici e strumenti algoritmici per affrontare le problematiche che si possono incontrare in settori industriali strategici ed innovativi quali quelli che coinvolgono la robotica, i sistemi cyber fisici, l’elaborazione di grandi quantità di dati (big data), digital manufacturing, l’ispezione visuale di prodotti/processi di produzione e l’automazione in genere.

Programma

Il corso intende fornire i fondamenti teorici e metodi principali relativi all’analisi di dati, non necessariamente immagini, in breve verranno trattati teoria e metodi di classificazione statistica.
Questi temi sono propedeutici alle tecniche più recenti di Deep Learning che verranno introdotte nella parte finale del corso.

Contenuti del corso
Introduzione: cos’è, a cosa serve, sistemi, applicazioni
Teoria della decisione di Bayes
Stima dei parametri e metodi non parametrici
Classificatori lineari, non lineari e funzioni discriminanti
Trasformazioni lineari e metodo di Fisher, estrazione e selezione delle feature, Principal Component Analysis
Misture di Gaussiane e algoritmo Expectation-Maximization
Metodi Kernel e Support Vector Machines
Hidden Markov Models
Reti neurali artificiali
Metodi di classificazione non supervisionata (clustering)
Combinazione di classificatori
Apprendimento profondo
Temi avanzati di metodi di apprendimento profondo

Modalità d'esame

Svolgimento di un progetto, con relazione ed esposizione orale.
2 persone max, 3 persone per progetti più complessi (da concordare col docente)

L’esposizione del progetto include una parte di domande volte alla valutazione della conoscenza dei contenuti del corso.

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

Tipologia di Attività formativa D e F

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. 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. 

Verificare nel regolamento quali attività possono essere di tipologia D e quali di tipologia F.

Insegnamenti e altre attività che si possono inserire autonomamente a libretto

 

Anno accademico:
Primo semestre Dal 04/10/21 Al 28/01/22
anni Insegnamenti TAF Docente
1° 2° Analisi di dati per scienze biomediche D Gloria Menegaz (Coordinatore)
1° 2° Introduzione alla robotica per studenti di materie scientifiche D Paolo Fiorini (Coordinatore)
1° 2° Linguaggio Programmazione Matlab-Simulink D Bogdan Mihai Maris (Coordinatore)
Secondo semestre Dal 07/03/22 Al 10/06/22
anni Insegnamenti TAF Docente
1° 2° Introduzione alla robotica per studenti di materie scientifiche D Paolo Fiorini (Coordinatore)
1° 2° Introduzione alla stampa 3D D Franco Fummi (Coordinatore)
1° 2° Progettazione di componenti hardware su FPGA D Franco Fummi (Coordinatore)
1° 2° Prototipizzazione con Arduino D Franco Fummi (Coordinatore)
1° 2° Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore D Roberto Giacobazzi (Coordinatore)
Elenco degli insegnamenti con periodo non assegnato
anni Insegnamenti TAF Docente
1° 2° Linguaggio programmazione Python D Giulio Mazzi (Coordinatore)

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.

Prova Finale

Scadenziari e adempimenti amministrativi

Per gli scadenziari, gli adempimenti amministrativi e gli avvisi sulle sessioni di laurea, si rimanda al servizio Sessioni di laurea - Scienze e Ingegneria.

Necessità di attivare un tirocinio per tesi

Per stage finalizzati alla stesura della tesi di laurea, non è sempre necessaria l'attivazione di un tirocinio tramite l'Ufficio Stage. Per maggiori informazioni, consultare il documento dedicato, che si trova nella sezione "Documenti" del servizio dedicato agli stage e ai tirocini.

Regolamento della prova finale

Alla tesi di laurea sono dedicati 24 CFU, per un lavoro che non deve superare i 4-5 mesi a tempo pieno per la/o studentessa/studente.

Scopo della Tesi di Laurea
La Tesi di Laurea costituisce un importante ed imprescindibile passo nella formazione della/del futura/o laureata/o Magistrale in Computer Engineering for Robotics and Smart Industry. Scopo della tesi è quello di sviluppare uno studio quanto più originale che può culminare con un progetto applicativo o un risultato teorico connesso a specifici problemi di natura progettuale o una rassegna critica sullo stato dell'arte in un determinato ambito di studio. Nel
corso dello svolgimento della Tesi il laureando dovrà, sotto la guida della relatrice/relatore ed eventuali correlatrici/correlatori, affrontare lo studio e l'approfondimento degli argomenti scelti, ma anche acquisire capacità di sintesi e applicazione creativa delle conoscenze acquisite. Il contenuto della Tesi deve essere inerente a tematiche dell'Ingegneria e delle Scienze Informatiche o discipline strettamente correlate. La Tesi consiste nella presentazione in forma scritta di attività che possono essere articolate come:

  1. progettazione e sviluppo di applicazioni o sistemi;
  2. analisi critica di contributi tratti dalla letteratura scientifica;
  3. contributi originali di ricerca.

La Tesi sarà compilata in lingua inglese, e può essere discussa sia in inglese che in italiano, anche mediante l'ausilio di supporti multimediali quali slide, filmati, immagini e suoni.

Modalità di svolgimento e valutazione
Ogni Tesi di Laurea può essere interna o esterna a seconda che sia svolta presso l'Università di Verona o in collaborazione con altro ente, rispettivamente. Ogni Tesi prevede una/un relatrice/relatore eventualmente affiancata/o da una/uno o più correlatrici/correlatori e una/un controrelatrice/controrelatore. La/il controrelatrice/controrelatore è nominata/o dal Collegio Didattico di Informatica almeno 20 giorni prima della discussione della Tesi, verificata l'ammissibilità della/o studentessa/studente a sostenere l’esame di Laurea Magistrale. Per quanto riguarda gli aspetti giuridici (e.g., proprietà intellettuale dei risultati) legati alla Tesi e ai risultati ivi contenuti si rimanda alla legislazione vigente in materia ed ai Regolamenti di Ateneo.

Valutazione delle Tesi
I criteri su cui sono chiamati ad esprimersi relatore ed eventuali correlatori e controrelatore sono i seguenti:

  1. livello di approfondimento del lavoro svolto, in relazione allo stato dell'arte dei settori disciplinari di pertinenza informatica;
  2. avanzamento conoscitivo o tecnologico apportato dalla Tesi;
  3. impegno criticonespresso dalla/dal laureanda/o;
  4. impegno sperimentale e/o di sviluppo formale espresso dal laureando;
  5. autonomia di lavoro espressa dalla/dal laureanda/o;
  6. significatività delle metodologie impiegate;
  7. accuratezza dello svolgimento e della scrittura;
  8. la/il controrelatrice/controrelatore non è chiamata/o ad esprimersi sul punto 5.

Voto di Laurea
Il voto di Laurea (espresso in 110mi) è un valore intero compreso tra 66/110 e 110/110 e viene formato dalla somma, arrotondata al numero intero più vicino (e.g., 93.50 diventa 94, 86.49 diventa 86), dei seguenti addendi:

  • 1. media pesata sui crediti e rapportata a 110 dei voti conseguiti negli esami di profitto;
  • 2. valutazione del colloquio di Laurea e della Tesi secondo le seguenti modalità:
    • a) attribuzione di un coefficiente compreso tra 0 e 1 (frazionario con una cifra decimale) per ciascuno dei punti 1-7 elencati sopra;
    • b) attribuzione di un coefficiente compreso tra 0 e 1 (frazionario con una cifra decimale) per la qualità della presentazione;
    • c) somma dei coefficienti attribuiti ai punti a e b.

La presenza di eventuali lodi ottenute negli esami sostenuti, la partecipazione a stage ufficialmente riconosciuti dal Collegio Didattico di Informatica, il superamento di esami in soprannumero ed il raggiungimento della Laurea in tempi contenuti rispetto alla durata legale del corso degli studi possono essere utilizzati dalla Commissione di Laurea per attribuire un ulteriore incremento di un punto. Qualora la somma ottenuta raggiunga 110/110, la Commissione può decidere l'attribuzione della lode. La lode viene proposta e discussa dalla Commissione, senza l'adozione di particolari meccanismi di calcolo automatico. In base alle norme vigenti, la lode viene attribuita solo se il parere è unanime.

Tesi esterne
Una Tesi esterna viene svolta in collaborazione con un ente diverso dall'Università di Verona. In tal caso, la/il laureanda/o dovrà preventivamente concordare il tema della Tesi con una/un relatrice/relatore dell'Ateneo. Inoltre, è previsto almeno una/un correlatrice/correlatore appartenente all'ente esterno, quale riferimento immediato per la/o studentessa/studente nel corso dello svolgimento dell’attività di Tesi. Relatrice/relatore e correlatrici/correlatori devono essere indicate/i nella domanda di assegnazione Tesi. Le modalità assicurative della permanenza della/o studentessa/studente presso l'Ente esterno sono regolate dalle norme vigenti presso l'Università di Verona. Se la Tesi si configura come un periodo di formazione presso tale ente, allora è necessario stipulare una convenzione tra l'Università e detto ente. I risultati contenuti nella Tesi sono patrimonio in comunione di tutte le persone ed enti coinvolti. In particolare, i contenuti ed i risultati della Tesi sono da considerarsi pubblici. Per tutto quanto riguarda aspetti non strettamente scientifici (e.g. convenzioni, assicurazioni) ci si rifà alla delibera del SA. del 12 gennaio 1999.

Relatrice/relatore,correlatrici/correlatori,controrelatrici controrelatrici/controrelatori
La Tesi di Laurea viene presentata da una/un relatrice/relatore docente di ruolo del Dipartimento di Informatica o da un docente esterno al dipartimento previa approvazione del Collegio Didattico che ne valuterà la congruità di settore e la competenza. Oltre a coloro che hanno i requisiti indicati rispetto al ruolo di relatrice/relatore (come indicato sopra), possono svolgere il ruolo di correlatrici/correlatori anche ricercatrici/ricercatori operanti in istituti di ricerca extrauniversitari assegnisti di ricerca, titolari di borsa di studio post-dottorato, dottorandi di ricerca, personale tecnico del Dipartimento, cultrici/cultori della materia nominate/i da un Ateneo italiano ed ancora in vigore, referenti aziendali esperte/i nel settore considerato nella Tesi. Può essere nominata/o controrelatrice/controrelatore qualunque docente professoressa/professore o ricercatrice/ricercatore del Dipartimento di Informatica dell'Università degli Studi di Verona, che risulti particolarmente competente nell'ambito specifico di studio della Tesi.
 
 

Elenco delle proposte di tesi e stage

Proposte di tesi Area di ricerca
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)
Domain Adaptation Computing Methodologies - IMAGE PROCESSING AND COMPUTER VISION
Domain Adaptation Computing methodologies - Machine learning
THESIS_1: Sensors and Actuators for Applications in Micro-Robotics and Robotic Surgery Argomenti vari
THESIS_2: Force Feedback and Haptics in the Da Vinci Robot: study, analysis, and future perspectives Argomenti vari
THESIS_3: Cable-Driven Systems in the Da Vinci Robotic Tools: study, analysis and optimization Argomenti vari

Modalità di frequenza

Come riportato nel Regolamento Didattico, la frequenza al corso di studio non è obbligatoria.
 


Gestione carriere


Area riservata studenti


Erasmus+ e altre esperienze all’estero