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
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 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 |
---|---|---|---|
1° 2° | Mathematics mini courses |
Paolo Dai Pra
(Coordinatore)
|
Big data epistemology (2022/2023)
Codice insegnamento
4S009088
Docenti
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
M-FIL/02 - LOGICA E FILOSOFIA DELLA SCIENZA
Periodo
Secondo semestre dal 6 mar 2023 al 16 giu 2023.
Obiettivi di apprendimento
Il corso consentirà allo studente di acquisire le competenze concettuali necessarie ad applicare i concetti chiave dell’epistemologia (conoscenza, metodologia, giustificazione, spiegazione, etc.) al caso specifico della data science e alla discussione di conseguenze e implicazioni dei big data per la società in generale. Al termine del corso lo studente dovrà dimostrare di: - riconoscere e discutere le principali questioni epistemologiche relative alla conoscenza prodotta dalla raccolta e dalla manipolazione dei big data con particolare riferimento a tre aree tematiche: (1) specificità epistemologiche dei big data; (2) l’impatto dei big data sulla pratica scientifica; (3) Big Data e autorità culturale della scienza - aver acquisito, attraverso l’analisi dettagliata di situazioni della vita reale, gli strumenti per un approccio più consapevole e critico al proprio lavoro come pure per la gestione e disseminazione dei big data nella sfera pubblica.
Prerequisiti e nozioni di base
Conoscenze base di filosofia e capacità di pensiero critico.
Programma
Il corso è dedicato ad esplorare le questioni epistemologiche, sociale e politiche connesse all'uso di big data, machine learning e intelligenza artificiale. Il programma è suddiviso in due moduli principale:
(A) Produrre conoscenza nell'era digitale. Questo modulo tratta delle domande epistemologiche sollevate dall'uso di machine learning e big data nella produzione di conoscenza scientifica. Esempi di tali domande sono: In che modo i big data cambiano le nostre pratiche e i nostri metodi scientifici? Quali sono i limiti dell'approccio computazionale alla scienza? I big data rendono superflue le teorie? Quali sono le caratteristiche epistemologiche dell'apprendimento statistico? La struttura del modulo è la seguente:
(A.1) Introduzione all'epistemologia della computabilità: complessità e indecidibilità.
(A.2) Il concetto di dato e la teoria computazionale della mente.
(A.3) Machine learning, big data e il metodo scientifico.
(B) Socio-epistemologia dei big data. Il secondo modulo si occupa dell'impatto socio-epistemologico e politico del machine learning e dei big data sulla pratica scientifica e sulla società in generale. Esempi delle questioni che verranno affrontate in questo modulo sono: Qual è l'impatto dell'uso dei big data sulla struttura sociale della ricerca scientifica? Come si può rendere l'intelligenza artificiale più spiegabile e responsabile? Come gli ambienti digitali quali i social network vengono influenzati dal machine learning? La struttura del modulo è la seguente:
(B.1) Ricerca scientifica e Big data.
(B.2) Intelligenza artificiale spiegabile.
(B.3) Verità e post-verità negli ambienti digitali.
Bibliografia
Modalità didattiche
Le lezioni saranno tenute esclusivamente in presenza.
Modalità di verifica dell'apprendimento
Il corso combinerà lezioni frontali introduttive e discussioni di classe nella forma di seminari di lettura. La valutazione finale è il risultato di tre elementi:
(1) Una presentazione in classe di un testo o di un tema (30%)
(2) Un elaborato scritto (max 3000 parole) (30%)
(3) Esame orale (40%)
Criteri di valutazione
La valutazione finale è il risultato di tre elementi:
(1) Una presentazione in classe di un testo o di un tema (30%)
(2) Un elaborato scritto (max 3000 parole) (30%)
(3) Esame orale (40%)
Criteri di composizione del voto finale
La valutazione finale è il risultato di tre elementi:
(1) Una presentazione in classe di un testo o di un tema (30%)
(2) Un elaborato scritto (max 3000 parole) (30%)
(3) Esame orale (40%)
Lingua dell'esame
English/Inglese