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.

Piano Didattico

A.A. 2023/2024 A.A. 2022/2023 A.A. 2021/2022 A.A. 2020/2021

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
SECS-P/08
12
C
MAT/06
12
B
INF/01

2° Anno  Attivato nell'A.A. 2022/2023

InsegnamentiCreditiTAFSSD
9
B/C
IUS/01 ,M-FIL/03
Training
6
F
-
Final exam
22
E
-
Attivato nell'A.A. 2022/2023
InsegnamentiCreditiTAFSSD
9
B/C
IUS/01 ,M-FIL/03
Training
6
F
-
Final exam
22
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
1 module among the following (1st year: Big Data epistemology and Social research; 2nd year: Cybercrime, Data protection in business organizations, Comparative and Transnational Law & Technology)
6
C
M-FIL/02
6
C
IUS/02
6
C
IUS/17
6
C
IUS/04
6
C
SPS/07
Tra gli anni: 1°- 2°
2 courses among the following (1st year: Business analytics, Digital Marketing and market research; 2nd year: Logistics, Operations & Supply Chain, Digital transformation and IT change, Statistical methods for Business intelligence)
6
B
SECS-P/10
6
B
SECS-P/08
6
B
SECS-P/10
6
B
SECS-P/08
6
B
SECS-S/01
Tra gli anni: 1°- 2°
2 courses among the following (1st year: Complex systems and social physics, Discrete Optimization and Decision Making, 2nd year: Statistical models for Data Science, Continuous Optimization for Data Science, Network science and econophysics, Marketing research for agrifood and natural resources)
6
C
FIS/02
6
C
MAT/08
6
C
MAT/09
6
C
AGR/01
6
C
FIS/02
6
C
MAT/06
Tra gli anni: 1°- 2°
2 courses among the following (1st year: Data Visualisation, Data Security & Privacy, Statistical learning, Mining Massive Dataset, 2nd year: Machine Learning for Data Science)
6
B
INF/01
6
B
INF/01
6
B
ING-INF/05
6
B
ING-INF/05
6
B
INF/01
Tra gli anni: 1°- 2°
8
D
-

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.

A Attività di base
B Attività caratterizzanti
C Attività formative affini o integrative
D Attività a scelta dello studente
E Prova finale
F Altre attività formative
S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Data visualisation (2021/2022)

Codice insegnamento

4S009065

Crediti

6

Coordinatore

Non ancora assegnato

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

INF/01 - INFORMATICA

Seminari 0

L'insegnamento è organizzato come segue:

Teoria
Attività mutuata da Data visualization - Teoria del corso: Laurea magistrale in Computer Engineering for Robotics and Smart Industry

Crediti

5

Periodo

Secondo semestre

Docenti

Andrea Giachetti

Orario Lezioni
Laboratorio
Attività mutuata da Data visualization - Laboratorio del corso: Laurea magistrale in Computer Engineering for Robotics and Smart Industry

Crediti

1

Periodo

Secondo semestre

Docenti

Andrea Giachetti

Orario Lezioni

Obiettivi formativi

Il corso si propone di fornire strumenti per la visualizzazione efficace di dati di tipo eterogeneo. Si presenterà un modello concettuale di applicazione di visualizzazione e si introdurranno le principali problematiche e tecniche di visualizzazione dell’informazione e della visualizzazione scientifica applicate a diverse tipologie di dati. Si affronteranno le problematiche percettive e tecniche relative alla modellazione e organizzazione dei dati ed al rendering grafico e si mostrerà come progettare visualizzazioni efficaci in diversi contesti. Al termine del corso lo studente dovrà dimostrare di avere conoscenze e capacità di comprensione dei principi base e delle principali problematiche della visualizzazione di dati astratti e concreti. Dovrà essere in grado di progettare applicazioni di visualizzazione scientifica e dell’informazione. Queste conoscenze forniranno allo studente la capacità di: i) valutare autonomamente algoritmi e software di visualizzazione sapendo scegliere il framework corretto per ogni diverso task; ii) applicare le tecniche di visualizzazione in diversi contesti di uso di interesse industriale. Alla fine del corso lo studente dovrà mostrare di essere in grado di progettare, valutare, utilizzare strumenti di visualizzazione per l'analisi di dati, la ricerca e la comunicazione.

Programma

* Introduzione alla visualizzazione dei dati: motivazione, problemi di visualizzazione, task e obiettivi, credibilità etica ed estetica dei grafici.
* Colore e percezione, cognizione, primitive primitive grafiche e canali di trasmissione,
* Dati, modelli e codifica dei dati, filtraggio, aggregazione, dati multidimensionale
* Principi di design e usabilità
* Mappe, visualizzazione testo, grafici, visualizzazione dati tabulari, visualizzazione di grafi e reti
* Gestione del layout spaziale, manipolazione di viste, focus e contesto
* Interazione, UI elements, animazione, dashboard, viste multiple
* Tecniche di visualizzazione scientifica
* Visualizzazione di immagini e volumetrica
* Valutazione del design

Modalità d'esame

Gli studenti verranno valutati mediante un esame orale ed attività di
laboratorio. Il voto finale deriverà per il 50% dal voto d’esame e per
il restante 50% dalle attività pratiche di laboratorio.

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