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.

A.A. 2021/2022

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 29-set-2022
Sessioni di lauree
Sessione Dal Al
Sessione di laurea estiva 20-lug-2022 20-lug-2022
Sessione di laurea autunnale 19-ott-2022 19-ott-2022
Sessione invernale 15-mar-2023 15-mar-2023
Vacanze
Periodo Dal Al
Festività natalizie 24-dic-2021 2-gen-2022
Vacanze Pasquali 15-apr-2022 19-apr-2022
FESTA DEL LAVORO 1-mag-2022 1-mag-2022
Santo Patrono 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

Calendario esami

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

Docenti

A B C D F G I M O P Q S V Z

Albi Giacomo

giacomo.albi@univr.it +39 045 802 7913

Badino Massimiliano

massimiliano.badino@univr.it +39 045 802 8459

Bazzani Claudia

claudia.bazzani@univr.it 0458028734

Begalli Diego

diego.begalli@univr.it +39 045 8028731

Boscolo Galazzo Ilaria

ilaria.boscologalazzo@univr.it +39 045 8127804

Carra Damiano

damiano.carra@univr.it +39 045 802 7059

Carradore Marco

marco.carradore@univr.it

Castellini Alberto

alberto.castellini@univr.it +39 045 802 7908

Ceccato Mariano

mariano.ceccato@univr.it

Chiarini Andrea

andrea.chiarini@univr.it 045 802 8223

Cobelli Nicola

nicola.cobelli@univr.it 0458028295

Confente Ilenia

ilenia.confente@univr.it 045 802 8174

Dai Pra Paolo

paolo.daipra@univr.it +39 0458027093

Dalla Preda Mila

mila.dallapreda@univr.it

Di Persio Luca

luca.dipersio@univr.it +39 045 802 7968

Farinelli Alessandro

alessandro.farinelli@univr.it +39 045 802 7842

Gaudenzi Barbara

barbara.gaudenzi@univr.it 045 802 8623

Giachetti Andrea

andrea.giachetti@univr.it +39 045 8027998

Guerra Giorgia

giorgia.guerra@univr.it

Marastoni Niccolo'

niccolo.marastoni@univr.it

Mola Lapo

lapo.mola@univr.it 045/8028565

Owusu Abigail

abigail.owusu@univr.it

Paci Federica Maria Francesca

federicamariafrancesca.paci@univr.it +39 045 802 7909

Quintarelli Elisa

elisa.quintarelli@univr.it +39 045 802 7852

Setti Francesco

francesco.setti@univr.it +39 045 802 7804

Zardini Alessandro

alessandro.zardini@univr.it 045 802 8565

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.

InsegnamentiCreditiTAFSSD
InsegnamentiCreditiTAFSSD
9
B/C
(IUS/01 ,M-FIL/03)
Training
6
F
-
Final exam
22
E
-

1° Anno

InsegnamentiCreditiTAFSSD

2° Anno

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
(IUS/17)
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)
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)
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)

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.




SStage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S009086

Coordinatore

Giorgia Guerra

Crediti

6

Settore Scientifico Disciplinare (SSD)

IUS/02 - DIRITTO PRIVATO COMPARATO

Lingua di erogazione

Inglese en

Periodo

Primo semestre dal 4-ott-2021 al 28-gen-2022.

Obiettivi formativi

Il corso mira a fornire agli studenti nozioni e concetti legali necessari per comprendere il significato, la portata e l'ambito di applicazione delle norme legali nel campo delle nuove tecnologie da una prospettiva comparata e transnazionale. La legge delle nuove tecnologie verrà trattata tanto da una prospettiva teorica, con particolare attenzione all'efficacia e all'efficacia delle norme giuridiche, tanto in ottica pratica, con particolare attenzione ai testi normativi e contrattuali e alle decisioni giudiziarie pertinenti di più giurisdizioni.

Al termine del corso lo studente dovrà dimostrare di:
● conoscere oggetto e metodologia del diritto comparato applicato alle nuove tecnologie, con specifico riferimento alle nozioni ed ai concetti fondamentali relativi ai dati (dati personali, dati sensibili, dati economici, "big data")
● saper sviluppare un’analisi economica relativa alla legge delle nuove tecnologie, con particolar riferimento alla teoria del monopolio e delle economie di scala (consumo, produzione, innovazione)
● conoscere le norme giuridiche europee in materia di conflitto di leggi e conflitto di giurisdizioni in materia di diritto e tecnologie ed associati metodi di risoluzione delle controversie online
● conoscere i rudimenti del diritto comparato e transnazionale di identità personale e relativamente all’identità digitale e leggi sulla protezione dei dati, anche in comparazione: Europa, Stati Uniti e Cina
● conoscere il concetto di proprietà nel diritto comparato, in relazione alle diverse modalità di trattamento dei dati
● conoscere le basi del diritto comparato e europeo per la proprietà intellettuale e concorrenza applicato alle nuove tecnologie (protezione dei dati, protezione di software e banche dati in Europa, Stati Uniti e Cina, concorrenza e concorrenza sleale, abuso di posizione dominante, accordi anticoncorrenziali, relazioni tra diritto della concorrenza e " big data “
● conoscere le basi del diritto europeo, comparato e transnazionale relativamente ai contratti a valere sulle nuove tecnologie e al trasferimento di dati
● saper valutare trasmissione e trattamento dei dati e regole per la protezione dei consumatori.

Programma

L'insegnamento è in lingua inglese e non è richiesta la conoscenza pregressa di istituti giuridici. Durante ogni lezioni saranno fornite le nozioni base necessarie.
Il corso prevede lezioni frontali, discussione in gruppi di casi o analisi di fenomeni concernenti il rapporto diritto e tecnologie. Le presentazioni ed il materiale (casi, normativa, articoli, video-clips) usato a lezione sarà messo a disposizione su moodle.
Il corso incoraggerà la partecipazione attiva degli studenti e si svolge, essenzialmente, in tre parti:

PART I CONCETTI BASE IN MATERIA DI REGOLAMENTAZIONE E GOVERNANCE DELLE TECNOLOGIE
1. La regulatory tool-box in materia di diritto e tecnologie
2. Il cambiamento tecnologico e le sfide per il diritto
3. Il valore giuridico dei dati
4. Discussione in gruppo basata sull'esperimento della “Moral Machine”

PART II LE COORDINATE REGOLATORIE: UN QUADRO INTRICATO
5. Data governance e data driven regulation
6. La governance dell'intelligenza artificiale in Europa e in prospettiva comparata
7. Profili regolatori delle piattaforme online
9. Privacy e diritti fondamentali
10. (continua) Il data protection
11. Il diritto nell'ecosistema digitale

PART III IL DIRITTO DELL'ERA DIGITALE NEI DIVERSI AMBITI DEL DIRITTO PRIVATO
12. I contratti nel Digital Single Market
13. (continua) Pagamento attraverso i dati (“How much is it? It’s free”….)
14. Smart contracts e blockchain
15. Sicurezza e Responsabilità per l'intelligenza artificiale, algoritmi e robots
16. (continua) diversi ambiti applicativi (IoT, smart cities; macchine a guida autonoma)
17. La protezione del consumatore e le sfide poste dai "prodotti intelligenti"
18. (continua) la protezione del consumatore: il diritto ad essere informato nel contesto digitale.
19. La proprietà intellettuale e i dati digitali
20. Il diritto della concorrenza nel digital market
21. (continua) le questioni di diritti della concorrenza
22. Dati digitali e tutela post-mortem
23. AI, sistema giudiziario e risoluzione delle controversie online
24. Conclusioni

Bibliografia

Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Modalità d'esame

La prova d'esame è orale.
La votazione finale è volta a valorizzare la partecipazione attiva (in classe o online), durante la discussione di casi e nelle attività proposte.
Per gli studenti che non potranno seguire le lezioni (nè online nè in presenza) verrà consigliato un libro di testo sul quale preparare l'esame orale.
Agli studenti erasmus che hanno regolarmente seguito il corso verrà data la possibilità di sostenere l'esame presentando un approfondimento scritto su un argomento scelto con l'insegnante.

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).
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.

COMPETENZE TRASVERSALI
Scopri i percorsi formativi promossi dal  Teaching and learning centre dell'Ateneo, destinati agli studenti iscritti ai corsi di laurea, volti alla promozione delle competenze trasversali:

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.

Prova Finale

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

La prova finale consiste nella preparazione e discussione di un elaborato scritto in lingua Inglese (tesi di laurea) relativo all'approfondimento di un tema scientifico affrontato nel corso di studi, ovvero relativo all'analisi e soluzione di un caso di studio (teorico e/o direttamente derivato da un problema di carattere industriale), ovvero relativo ad un lavoro di tipo sperimentale, eventualmente sviluppato all'interno di un percorso di tirocinio, ovvero frutto di un lavoro autonomo ed originale di ricerca, con collegati aspetti di formalizzazione matematica, progettazione informatica e realizzazione business oriented. Tali attività saranno svolte sotto la guida di un relatore presso una struttura universitaria, o anche esterna all'Università di Verona, tanto in Italia, quanto all'estero, purché riconosciuta e accettata a tal fine in accordo con il Regolamento didattico del corso di Laurea Magistrale in Data Science. La commissione preposta alla valutazione della prova finale (esposizione in lingua Inglese della tesi di laurea) è chiamata ad esprimere una valutazione che tenga conto dell'intero percorso di studi, valutando attentamente il grado di coerenza tra obbiettivi formativi e obbiettivi professionali, nonché la capacità di elaborazione intellettuale autonoma, il senso critico, le doti di comunicazione e la maturità culturale generale, in relazione agli obiettivi del corso di Laurea Magistrale in Data Science, e particolare, in relazione alle tematiche caratterizzanti la tesi di laurea, del candidato.
Gli studenti possono sostenere la prova finale solamente dopo aver assolto a tutti gli altri obblighi formativi previsti dal loro piano di studi ed agli adempimenti presso gli uffici amministrativi in conformità con i termini indicati nel manifesto generale degli studi.
La valutazione finale e la proclamazione verranno effettuate dalla commissione di esame finale nominata dal presidente del collegio didattico e composta da un presidente e almeno da altri quattro commissari scelti tra i docenti dell'Ateneo.
Il materiale presentato per la prova finale viene valutato dalla Commissione Valutazione Tesi, composta da tre docenti, tra cui possibilmente il relatore, e nominata dal presidente del collegio didattico. La commissione valutazione tesi formula una valutazione del lavoro svolto, e la trasmette alla commissione d'esame finale che esprimerà il giudizio finale. Il collegio didattico disciplina le procedure delle commissioni valutazione tesi, delle commissioni d'esame finale e dell'attribuzione del punteggio della prova finale mediante apposito regolamento deliberato dal collegio didattico.
 

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.