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 |
|---|---|---|
| Primo semestre | 4-ott-2021 | 28-gen-2022 |
| Secondo semestre | 7-mar-2022 | 10-giu-2022 |
| 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 | 29-set-2022 |
| 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 |
| 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 | 6-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 Didattica e Studenti 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
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 |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
2° Anno
| 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.
Deep learning (2021/2022)
Codice insegnamento
4S009018
Crediti
6
Coordinatore
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Lingua di erogazione
Inglese
L'insegnamento è organizzato come segue:
Teoria
Laboratorio
Obiettivi formativi
Il corso fornisce i fondamenti teorici e descrive metodologie avanzate relative all’area dell'apprendimento profondo (deep learning). Il deep learning risolve problemi di apprendimento automatico (machine learning) e classificazione di pattern (pattern recognition) attraverso il paradigma delle reti neurali e l'ottimizzazione numerica. Il corso è altresì fortemente implementativo, offrendo nozioni di programmazione specifiche per sistemi professionali basate su Python. Il deep learning mira a costruire sistemi di regressione e classificazione principalmente non lineari, basati su reti neurali. Una rete neurale può essere vista come una struttura computazionale semplice (funzioni innestate multinomiali logistiche + non linearità) che si arricchisce strutturandosi a più livelli (layer) di varia tipologia (fully connected, convoluzionali, ricorrenti, e molti altri). Ognuna di queste strutture sottende una teoria ben precisa (per esempio il dropout delle reti neurali rimanda all'approssimazione bayesiana) che sarà cura del docente di illustrare. In tal modo, lo studente non sarà solamente fruitore della disciplina, ma la governerà acquisendo capacità critiche formali e di innovazione. Particolare attenzione sarà rivolta anche all'aspetto della comprensibilità (explainability), ovvero tutte quelle tecniche in grado di comunicare i casi critici in cui una particolare rete neurale non sia in grado di risolvere problemi. Il corso metterà a disposizione casi di studio aziendali su cui applicare le tecniche studiate, per renderle immediatamente usufruibili in un contesto professionale.
Programma
Il corso affronta una serie di argomenti allo stato dell’arte nel campo del riconoscimento. Il deep learning verrà studiato a partire dai suoi fondamenti teorici. Pertanto, ogni argomento verrà spiegato attraverso articoli e dispense aggiornate allegate alle slide delle lezioni. In ogni caso, è consigliabile avere a disposizione questi testi come base di studio:
- Christopher M. Bishop. 2006. Pattern Recognition and Machine Learning (Information Science and Statistics). Springer-Verlag New York, Inc., Secaucus, NJ, USA.
- Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep learning. MIT Press, 2016.
Argomenti:
- Regressione lineare, ridge, LASSO, elastic net
- Multinomial Logistic Classifier,
- Neural Networks,
- Backpropagation,
- Convolutional Neural Network,
- Recurrent Neural Networks
- Long Short-Term Memory machine
- Transformer Network
Modalità d'esame
L’esame prevede la discussione con il docente di un elaborato scritto, che propone una soluzione ad un problema industriale di classificazione. Il voto dipenderà dalle capacità di classificazione ottenute dal classificatore (con misure di bontà di classificazione diverse da problema a problema), dai margini di confidenza statistici offerti e dalla motivazione teorica che ha spinto lo studente a scegliere una particolare tecnica di programmazione.
Tipologia di Attività formativa D e F
Le attività formative di tipologia 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. Dal 1° dicembre 2021 al 27 febbraio 2022 e dal 2 maggio 2022 al 15 luglio 2022, tramite il presente modulo gli studenti possono richiedere l'inserimento di attività didattiche in TAF D ed F che non possono inserire autonomamente nel proprio piano di studi tramite la procedura on-line.
COMPETENZE LINGUISTICHE - dal 1° ottobre 2021 (Delibera del Consiglio della Scuola di Scienze e Ingegneria del 30 marzo 2021) per gli immatricolati dall'A.A. 2021/2022
- Lingua inglese: vengono riconosciuti automaticamente 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 automaticamente 3 CFU per ogni livello di competenza a partire da A2 (se non già riconosciuto nel ciclo di studi precedente).
Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.
COMPETENZE TRASVERSALI
| 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)
|
| 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)
|
| anni | Insegnamenti | TAF | Docente |
|---|---|---|---|
| 1° 2° | Linguaggio programmazione Python | D | Non ancora assegnato |
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.
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.Per gli avvisi sulle sessioni di laurea, si rimanda al relativo servizio.
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:
- progettazione e sviluppo di applicazioni o sistemi;
- analisi critica di contributi tratti dalla letteratura scientifica;
- contributi originali di ricerca.
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:
- livello di approfondimento del lavoro svolto, in relazione allo stato dell'arte dei settori disciplinari di pertinenza informatica;
- avanzamento conoscitivo o tecnologico apportato dalla Tesi;
- impegno criticonespresso dalla/dal laureanda/o;
- impegno sperimentale e/o di sviluppo formale espresso dal laureando;
- autonomia di lavoro espressa dalla/dal laureanda/o;
- significatività delle metodologie impiegate;
- accuratezza dello svolgimento e della scrittura;
- la/il controrelatrice/controrelatore non è chiamata/o ad esprimersi sul punto 5.
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.
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 |
Gestione carriere
Modalità di frequenza
Come riportato al punto 25 del Regolamento Didattico per l'A.A. 2021/2022, 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.
Ulteriori servizi
I servizi e le attività di orientamento sono pensati per fornire alle future matricole gli strumenti e le informazioni che consentano loro di compiere una scelta consapevole del corso di studi universitario.