Università degli Studi di Roma "Tor Vergata"

OBIETTIVI FORMATIVI: Metriche software: loro ontologie, sviluppo e impiego. Metodi e strategie per il miglioramento continuo della qualità basato su metriche. Tecniche industriali di costruizione di software con sviluppo agile in gruppo ampio e con attività di laboratorio anche distribuito.


CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Metriche per la misura del software. Pianificazione strategica e piano di misure. Sviluppo e comprensione di progetti software per il web.


CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Metriche per la misura del software. Pianificazione strategica basata su dati. Appliczione di pattern progettuali allo sviluppo di applicazini software per il web.


AUTONOMIA DI GIUDIZIO: Utilità di una metrica e stadio del suo ciclo di vita. Valutazione del grado di realizzazione di obiettivi strategici di qualità. Valutazione di qualità di architetture software. Esperienza con lavoro di gruppo e conseguente resilienza.


ABILITÀ COMUNICATIVE: Valutare l'utilità di impiego di una metrica nel ciclo di sviluppo del software o in quello di miglioramento della qualità. Acquisire e trasferire requisiti d'utente, discuterli e analizzarli con il cliente e gli altri membri del gruppo agile allo scopo di implementarli in un software.


CAPACITÀ DI APPRENDIMENTO:Attitudine a riconoscere l'esigenza di introdurre nuove metriche. Abilità a riconoscere l'occorrenza di nuovi paradigmi e tecnologie di sviluppo, ad apprenderli ed eventualmente inserirli nel processo di sviluppo del proprio team.

OBIETTIVI FORMATIVI:

L'’insegnamento di propone di fornire le nozioni fondamentali, i principi architetturali e le metodologie e per la programmazione in ambienti di calcolo parallelo, con particolare enfasi ai modelli di programmazione ed agli strumenti di programmazione più comunemente usati. Il corso copre tre aree principali: la programmazione a scambio di messaggi, con riferimento allo standard MPI, la programmazione su CPU a memoria condivisa, con riferimento allo standard OpenMP, e la programmazione di acceleratori grafici, utilizzando il sistema CUDA.

Con riferimento alle linee guida riportate nel documento: "ACM/IEEE-CS- Computer Science Curricula 2013" (https://www.acm.org/binaries/content/assets/education/cs2013_web_final.pdf), il corso contribuisce a coprire le seguenti aree e relativi obiettivi:

Parallel and Distributed Computing (PD): Introduzione, Fondamenti di Programmazione Parallela, Decomposizione di problemi, Comunicazione e coordinazione Algoritmi paralleli.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:

Al termine del corso lo studente avrà acquisito le nozioni fondamentali pertinenti alla programmazione parallela, nelle modalità a scambio di messaggi e con l'uso di direttive di compilazione per sistemi a memoria condivisa; avrà inoltre acquisito la conoscenza degli algoritmi fondamentali per applicazioni di calcolo parallelo, con particolare riferimento agli algoritmi tipici del calcolo scientifico, incluse le metodologie di valutazione delle prestazioni.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:

Al termine del corso lo studente avrà acquisito le metodologie della programmazione parallela e gli strumenti necessari alla costruzione di algoritmi ed applicazioni parallele.

AUTONOMIA DI GIUDIZIO:

Al termine del corso lo studente sarà in grado di selezionare ed applicare i metodi della programmazione parallela per risolvere in autonomia problemi di programmazione al fine di ottenere sistemi caratterizzati da prestazioni ottimali.

ABILITÀ COMUNICATIVE:

Al termine del corso lo studente avrà acquisito padronanza della terminologia relativa ai sistemi di calcolo parallelo, e sarà in grado di comunicare efficacemente le scelte progettuali necessarie nella realizzazione pratica di applicazioni

CAPACITÀ DI APPRENDIMENTO:

Al termine del corso lo studente avrà acquisito la capacità di intraprendere in autonomia ulteriori approfondimenti su argomenti attinenti la programmazione in ambienti di calcolo parallelo, anche con l'acquisizione di nuovi strumenti.

OBIETTIVI FORMATIVI:
Lo scopo di questo corso è quello di introdurre la teoria dei giochi e di mostrarne alcune applicazioni con un focus su problemi progetto di reti. Lo studente è introdotto alle conoscenze di base e alle tecniche tipiche della Teoria dei giochi con particolare riferimento ai giochi non-cooperativi, ai giochi cooperativa, alla teoria dei giochi algoritmica.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Gli studenti apprenderanno le basi della teoria dei giochi per mezzo di strumenti classici dalla teoria dell'ottimizzazione, principalmente la programmazione lineare e teoria della dualità.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
L’'uso di strumenti quantitativi, classici dalla teoria dell'ottimizzazione, consente agli studenti di valutare e validare la aderenza dei modelli proposti ai problemi reali. Il focus su Network Design li porterà poi a risolvere alcuni modelli e valutare la qualità delle soluzioni e delle strategie di soluzione proposte.

AUTONOMIA DI GIUDIZIO:
Lo sviluppo di modelli quantitativi consentirà di validare i modelli e le soluzioni proposte dagli studenti. Parte dell'esame consiste nello sviluppo di progetti specifici in team.

ABILITÀ COMUNICATIVE:
L'interpretazione dei risultati ottenuti costituisce una delle attività fondamentali del processo di risoluzione di un problema a partire da un modello: in un lavoro di squadra questo tipo di attività obbliga lo studente a un confronto con i colleghi in cui sono stimolate le sue capacità critiche e anche dialettiche.

CAPACITÀ DI APPRENDIMENTO:
Lo studente è esposto (attraverso il materiale didattico proposto) alla lettura di testi di riferimento non solo didattici ma anche di ricerca (articoli in riviste del settore). Viene pertanto messo in condizione di attingere a diverse fonti bibliografiche al fine di (i) acquisire nuove competenze, (ii) sapersi aggiornare in modo continuo e autonomamente, (iii) intraprendere corsi di approfondimento nell'ambito della disciplina.

OBIETTIVI FORMATIVI

Un utilizzo sicuro dei moderni sistemi informatici richiede che i professionisti di ciascuna area delle tecnologie dell'informazione abbiano una vasta comprensione delle potenziali criticità nell'utilizzo dei sistemi lungo tutto lo stack: hardware, reti di comunicazione, sistemi operativi, applicazioni software, gestione dei dati. In questo modo è possibile riconoscere, in fasi di progettazione o di realizzazione di un sistema ICT, quali siano i possibili pericoli e le contromisure da intraprendere per innalzare il livello di sicurezza. All'interno del corso di Difesa delle reti e dei sistemi verranno mostrate le metodologie e le tecniche alla base di alcune vulnerabilità dei vari livelli dello stack hardware/software, con l'obiettivo di illustrare tecniche e metodologie di difesa per rendere i sistemi più sicuri e resilienti.

Con riferimento alle linee guida riportate nel documento "ACM/IEEE Computing Curricula 2020 - CC2020" (https://www.acm.org/education/curricula-recommendations), il corso contribuisce a coprire le seguenti aree, relativi obiettivi e competenze:
- CE-SEC (Information Security): Data security and integrity; Vulnerabilities; Network
and web security; Side-channel attacks; Resource protection models; Secret and public-key cryptography; Authentication; Trusted computing
- BCIA: Plan procedures, operations, and technologies for managing security and safety in a disaster recovery situation.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE

Al termine del corso lo studente avrà acquisito i concetti fondamentali su possibili superfici di attacco ai vari livelli dello stack hardware e software che possono minare la sicurezza dei sistemi ICT, con una panoramica su moderne tecniche di rilevamento e difesa verso queste minacce. In questo modo, lo studente avrà la capacità di comprendere, in vari contesti legati al mondo ICT, quali sono le possibili criticità in fase di progetto e realizzazione di sistemi complessi.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE

Al termine del corso lo studente avrà acquisito le metodologie proprie dell'analisi, progettazione, configurazione e valutazione di un sistema ICT dal punto di vista della sicurezza informativa. Particolare enfasi viene data alla comprensione degli aspetti fondamentali delle metodologie legate all'innalzamento del livello della sicurezza informatica, permettendo quindi allo studente di riportare le competenze acquisite in vari contesti reali.

AUTONOMIA DI GIUDIZIO

Al termine del corso lo studente sarà in grado di valutare i relativi vantaggi e svantaggi di determinate scelte progettuali all'interno di un sistema ICT dal punto di vista della sicurezza informatica. In questo modo, lo studente sarà in grado di scegliere, fra le diverse alternative, la soluzione adeguata alle proprie esigenze in base al problema sotto esame.

ABILITÀ COMUNICATIVE

Al termine del corso lo studente avrà acquisito padronanza della terminologia relativa alla sicurezza informatica nell'ambito dei sistemi e delle reti, sarà in grado di descrivere i concetti fondamentali con termini e linguaggio tecnico appropriato e, in fase progettuale, di argomentare circa le varie alternative a livello hardware e software.

CAPACITÀ DI APPRENDIMENTO

Al termine del corso lo studente avrà acquisito la capacità di intraprendere in autonomia ulteriori approfondimenti su argomenti inerenti allea sicurezza dei sistemi e delle reti e di utilizzare le conoscenze e metodologie imparate per affrontare problemi nuovi.

OBIETTIVI FORMATIVI:
L'insegnamento intende fornire allo studente un quadro aggiornato dell'attuale tecnologia dei sistemi embedded e real-time. I sistemi embedded sono i calcolatori elettronici integrati in ormai tutti gli apparati elettronici che
eseguono in modo specifico ed esclusivo il programma impostato dal progettista dell'apparato. I sistemi real-time sono i sistemi di calcolo (intesi sia come hardware che come software) progettati per garantire non solo la
correttezza delle operazioni svolte, ma anche la corretta temporizzazione dei risultati prodotti dal sistema.
Questo corso discute entrambi i tipi di sistemi perché la maggior parte dei sistemi embedded sono anche sistemi
real-time, e viceversa. Con riferimento alle linee guida riportate nel documento:
"ACM/IEEE-CS- Computer Science Curricula 2013" (www.acm.org/education/CS2013-final-report.pdf),
il corso contribuisce a coprire le seguenti aree e relativi obiettivi: Operating Systems (OS): Scheduling and Dispatch;
Resource Allocation and Scheduling; Real-Time and Embedded Systems

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine lo studente avrà acquisito una comprensione approfondita delle problematiche e delle tecnologie relative allo sviluppo dei sistemi embedded e real-time. In particolare, lo studente avrà compreso i concetti fondamentali ed i risultati principali della teoria della schedulazione real-time, che consente di certificare la corretta progettazione di un sistema real-time "safety-critical"; avrà compreso le principali problematiche e soluzioni tecnologiche dei sistemi operativi adatti all'esecuzione di applicazioni real-time; avrà compreso le problematiche relativo allo sviluppo del software di un sistema embedded "bare metal" interfacciato direttamente ai dispositivi hardware del sistema, con particolare riferimento ai sistemi di supporto all'esecuzione delle applicazioni real-time.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
Al termine del corso lo studente sarà in grado di scrivere un ambiente di esecuzione real-time "bare metal" per sistemi embedded basati su architettura ARM, a partire dalla sola documentazione rilasciata dal costruttore
dell'hardware. Lo studente sarà inoltre in grado di modellare una collezione di job reali con specifici compiti e
scadenze temporali tramite il modello a task periodici, dimensionare opportunamente il modello di sistema
real-time che dovrà garantire l'esecuzione dei job ed il rispetto delle scadenze, selezionare opportunamente gli
algoritmi di schedulazione dei task e di allocazione delle risorse condivise, e dimostrare formalmente che la
progettazione effettuata è corretta, nel senso che tutte le scadenze dei job saranno rispettate anche nel peggior caso che possa verificarsi.

OBIETTIVI FORMATIVI: L’obiettivo del corso è di apprendere i concetti basilari dell’apprendimento statistico e il funzionamento di reti neurali sia ad un solo strato che con più di uno strato (Reti deep), considerando anche reti ricorsive nel contesto del text mining. Sarà descritto in dettaglio il problema di ottimizzazione non vincolata che permette l’addestramento di queste reti e gli algoritmi principali per risolverli come la backpropagation e il gradiente stocastico.


CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Lo studente è introdotto alle conoscenze di ottimizzazione non lineare non vincolata, e alla comprensione delle problematiche relative ai problemi di apprendimento supervisionato con particolare attenzione a problemi di regressione e problemi di riconoscimento di immagini. Vengono descritte diverse tecniche, a partire dalla regressione lineare e passando poi per reti neurali di complessità crescente.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Una frazione significativa del corso è dedicata all'utilizzo pratico delle tecniche descritte teoricamente. Lo studente è incoraggiato – attraverso uso di software dedicati (implementati in python) ad applicare gli strumenti proposti su dataset reali e di letteratura.


AUTONOMIA DI GIUDIZIO:
Lo sviluppo di modelli di regressione e classificazione per dataset reali e l'implementazione per mezzo di pacchetti software, consente la verifica quantitativa della qualità delle soluzioni sviluppate dagli studenti. Parte dell'esame consiste nello sviluppo di progetti specifici in team di massimo due persone.

ABILITÀ COMUNICATIVE:
L'interpretazione dei risultati ottenuti (a valle della fase implementazione e computazione) costituisce una delle attività fondamentali del processo di definizione di una soluzione di un problema reale, a partire da un modello di classificazione o regressione. Questo tipo di attività obbliga lo studente a un confronto con i colleghi e con il docente in cui sono stimolate le sue capacità critiche e dialettiche.


CAPACITÀ DI APPRENDIMENTO:

Lo studente è esposto (attraverso il materiale didattico proposto) alla lettura di testi di riferimento (sia libri che articoli di ricerca) e alla scoperta di strumenti software recenti e in continuo sviluppo. Viene pertanto messo in condizione di attingere a diversi strumenti al fine di (i) acquisire nuove competenze, (ii) sapersi aggiornare in modo continuo e autonomamente, (iii) intraprendere corsi di approfondimento nell'ambito della disciplina.

OBIETTIVI FORMATIVI:
Acquisire conoscenze e competenze su soluzioni architetturali e problemi aperti relativi alla progettazione e realizzazione di sistemi informatici mobili, con riferimento a tutti i livelli della pila protocollare di un sistema distribuito.
Con riferimento alle linee guida riportate nel documento: “ACM/IEEE-CS- Computer Science Curricula 2013)” (www.acm.org/education/CS2013-final-report.pdf), il corso contribuisce a coprire le seguenti aree e relativi obiettivi:
- NC (Networking and communications): Principi di reti cellulari; Reti 802.11; Problematiche relative al supporto di nodi mobili (home agents);
- SE (Software design): Design patterns; Principi concettuali e standard per architetture software; Uso di componenti nella progettazione: selezione di componenti, progetto, adattamenti e assemblaggio.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso lo studente avrà appreso alcuni concetti fondamentali nella progettazione e realizzazione di sistemi pervasivi/mobili, riguardanti in particolare: a) gestione della mobilità dei dispositivi (comunicazioni wireless e raggiungibilità); b) strategie e tattiche architetturali per la realizzazione di applicazioni software in grado di operare efficacemente e efficientemente in ambienti caratterizzati da elevati gradi di variabilità (risorse disponibili, domanda di servizio, etc.).

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Al termine del corso lo studente avrà acquisito la capacità di: identificare e classificare gli aspetti salienti di possibili soluzioni architetturali per la gestione della mobilità dei dispositivi; seguire un processo decisionale per valutare le strategie e tattiche più efficaci da applicare nella progettazione di una applicazione software per ambienti pervasivi/mobili.

AUTONOMIA DI GIUDIZIO:

Al termine del corso lo studente sarà in grado di: a) inquadrare in modo critico e confrontare con soluzioni già esistenti possibili soluzioni architetturali per la gestione della mobilità dei dispositivi; b) valutare l'efficacia ed efficienza di scelte architetturali nella realizzazione di applicazioni software per ambienti pervasivi/mobili.


ABILITÀ COMUNICATIVE:
Al termine del corso lo studente avrà acquisito padronanza della terminologia relativa a sistemi pervasivi/mobili, sia riguardo le infrastrutture di rete che le architetture software adottate, sarà in grado di descrivere i concetti fondamentali di questi sistemi con termini e linguaggio tecnico appropriato e, in fase progettuale, di argomentare circa le varie alternative architetturali e protocollari a livello sia infrastrutturale che applicativo.


CAPACITÀ DI APPRENDIMENTO:
Al termine del corso lo studente avrà acquisito adeguate "griglie concettuali" che consentiranno di intraprendere in autonomia e con consapevolezza critica ulteriori approfondimenti su argomenti attinenti sistemi pervasivi e mobili, e di collocare nella giusta prospettiva successivi avanzamenti dello stato dell'arte che emergeranno nella letteratura e pratica più avanzata.

OBIETTIVI FORMATIVI: L'insegnamento si propone di fornire i principi, illustrare le moderne soluzioni tecniche e metodologiche per la progettazione e gestione di sistemi, architetture, ed applicazioni distribuite inerenti i Big Data, ovvero collezioni di dati destrutturati le cui dimensioni superano le capacità di memorizzazione, gestione e analisi tipiche dei tradizionali sistemi per la gestione e l'analisi di dati. Il corso affronta le diverse problematiche per l'acquisizione, la memorizzazione ed il processamento di Big Data, illustrando le relative soluzioni software, anche in modo comparativo. Durante il corso verranno coniugati aspetti metodologici e tecnologici mediante attività di laboratorio, volte ad affrontare lo sviluppo dei due progetti proposti durante il corso.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso lo studente avrà acquisito concetti avanzati sulle architetture e sui sistemi distribuiti per l'analisi di Big Data e sullo sviluppo di applicazioni software in tale ambito. In particolare: realizzazione di applicazioni distribuite di batch processing e data stream processing, gestione di sistemi avanzati per l'acquisizione, la memorizzazione ed il processamento di Big Data anche in ambito Cloud (servizi Cloud di AWS, per i quali viene messo a disposizione degli studenti un grant gratuito tramite il programma AWS Academy).

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Al termine del corso lo studente avrà acquisito le conoscenze metodologiche e le capacità operative proprie dell'analisi, progettazione e realizzazione di sistemi ed applicazioni distribuite per Big Data. In particolare: progettare e sviluppare applicazioni di batch processing e di data stream processing e valutarne le prestazioni, usando i framework open source più diffusi per l'acquisizione, il processamento e la memorizzazione di Big Data ed i moderni strumenti per il deployment di sistemi ed applicazioni distribuiti (in particolare, tramite container e loro orchestrazione).

AUTONOMIA DI GIUDIZIO:
Al termine del corso lo studente sarà in grado di identificare le soluzioni più idonee per realizzare sistemi ed applicazioni distribuite per l'analisi di Big Data e di valutare in modo critico le scelte architetturali, implementative e le prestazioni di sistemi ed applicazioni esistenti.

ABILITÀ COMUNICATIVE:
Al termine del corso lo studente avrà acquisito padronanza della terminologia avanzata relativa ai sistemi ed applicazioni per Big Data, sarà in grado di presentare l'architettura di una pipeline completa per l'analisi Big Data usando termini e linguaggio tecnico appropriato e di argomentare circa le varie alternative sia a livello sistemistico che applicativo.

CAPACITÀ DI APPRENDIMENTO:
Al termine del corso lo studente avrà acquisito la capacità di intraprendere in autonomia ulteriori approfondimenti su argomenti attinenti i sistemi e le architetture per Big Data, e di utilizzare le conoscenze e metodologie imparate per affrontare problemi nuovi.

OBIETTIVI FORMATIVI:
L'insegnamento intende fornire allo studente un quadro aggiornato dell'attuale tecnologia dei sistemi embedded e real-time. I sistemi embedded sono i calcolatori elettronici integrati in ormai tutti gli apparati elettronici che eseguono in modo specifico ed esclusivo il programma impostato dal progettista dell'apparato. I sistemi real-time sono i sistemi di calcolo (intesi sia come hardware che come software) progettati per garantire non solo la correttezza delle operazioni svolte, ma anche la corretta temporizzazione dei risultati prodotti dal sistema.
Questo corso discute entrambi i tipi di sistemi perché la maggior parte dei sistemi embedded sono anche sistemi real-time, e viceversa. Con riferimento alle linee guida riportate nel documento:
"ACM/IEEE-CS- Computer Science Curricula 2013" (www.acm.org/education/CS2013-final-report.pdf),
il corso contribuisce a coprire le seguenti aree e relativi obiettivi: Operating Systems (OS): Scheduling and Dispatch;
Resource Allocation and Scheduling; Real-Time and Embedded Systems
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine lo studente avrà acquisito una comprensione approfondita delle problematiche e delle tecnologie relative allo sviluppo dei sistemi embedded e real-time. In particolare, lo studente avrà compreso i concetti fondamentali ed i risultati principali della teoria della schedulazione real-time, che consente di certificare la corretta progettazione di un sistema real-time "safety-critical"; avrà compreso le principali problematiche e soluzioni tecnologiche dei sistemi operativi adatti all'esecuzione di applicazioni real-time; avrà compreso le problematiche relativo allo sviluppo del software di un sistema embedded "bare metal" interfacciato direttamente ai dispositivi hardware del sistema, con particolare riferimento ai sistemi di supporto all'esecuzione delle applicazioni real-time.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
Al termine del corso lo studente sarà in grado di scrivere un ambiente di esecuzione real-time "bare metal" per sistemi embedded basati su architettura ARM, a partire dalla sola documentazione rilasciata dal costruttore dell'hardware. Lo studente sarà inoltre in grado di modellare una collezione di job reali con specifici compiti e scadenze temporali tramite il modello a task periodici, dimensionare opportunamente il modello di sistema real-time che dovrà garantire l'esecuzione dei job ed il rispetto delle scadenze, selezionare opportunamente gli algoritmi di schedulazione dei task e di allocazione delle risorse condivise, e dimostrare formalmente che la progettazione effettuata è corretta, nel senso che tutte le scadenze dei job saranno rispettate anche nel peggior caso che possa verificarsi.

OBIETTIVI FORMATIVI:

Il corso si propone di introdurre lo studente agli scopi, alle principali problematiche e ai principali modelli simbolici dell'elaborazione del linguaggio naturale.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:

Lo studente conoscerà le principali tematiche dell'elaborazione del linguaggio naturale.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:

Alla fine del corso, lo studente sarà in grado di implementare un modello di elaborazione del linguaggio.

AUTONOMIA DI GIUDIZIO:

Le lezioni sono organizzate di modo da permettere allo studente di valutare le informazioni presenti nella rete. Questo è necessario per permettere loro di scegliere nel mare magum della rete le informazioni che sono utili per trovare soluzioni ai problemi dati.


ABILITÀ COMUNICATIVE:

Allo studente viene richiesto di presentare alcuni argomenti durante le lezioni al fine di affinare la sua arte oratoria. Inoltre, l'esame prevede una presentazione orale davanti agli altri studenti.

CAPACITÀ DI APPRENDIMENTO:

Nel corso puntiamo molto sulla capacità di selezione delle informazioni come principale capacità di apprendimento.

OBIETTIVI FORMATIVI:
Fornire strumenti avanzati per modellare e risolvere un problema di decisione come problema di ottimizzazione lineare intera o mista o come problema su reti di flusso.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Lo studente (che ha seguito con profitto il corso) ha compreso i princípii e i metodi dell'ottimizzazione discreta utili allo sviluppo di modelli prescrittivi per problemi di decisione.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Lo studente è in grado di progettare modelli di programmazione matematica o su reti per la rappresentazione di problemi di ottimizzazione che sorgono in contesti applicativi ed è altresì capace di utilizzare software di calcolo dedicati (linguaggi di programmazione di modelli, solutori commerciali) per verificare la coerenza e la qualità delle soluzioni dei modelli proposti.

AUTONOMIA DI GIUDIZIO:
Lo studente che sviluppa, implementa e risolve modelli di programmazione matematica per problemi di ottimizzazione è messo immediatamente in condizione di verificare quantitativamente e in autonomia la qualità delle soluzioni ottenute e quindi dei modelli proposti.

ABILITÀ COMUNICATIVE:
L'interpretazione del risultato numerico di un modello matematico (a valle della fase implementazione e computazione) è un'attività cruciale nel processo di definizione di una soluzione di un problema reale. Questa attività obbliga lo studente a un confronto con i colleghi di un team (o con un committente) in cui, non solo sono necessarie una padronanza della terminologia tecnica, ma anche capacità analitiche e dialettiche.

CAPACITÀ DI APPRENDIMENTO:
Lo studente è esposto (attraverso il materiale didattico proposto) alla lettura di testi di riferimento non solo didattici ma anche di ricerca ed è pertanto in grado di attingere a fonti bibliografiche diverse che gli permettono di (i) acquisire nuove competenze, (ii) sapersi aggiornare in modo continuo e autonomamente, (iii) intraprendere corsi di approfondimento nell'ambito della disciplina.

OBIETTIVI FORMATIVI.
Obiettivo generale dell'insegnamento è mostrare allo studente la complessità e le problematiche relative all'integrazione della crittografia in protocolli e sistemi reali - in altre parole, convincere lo studente che l'utilizzo di "buoni" algoritmi crittografici è condizione necessaria, ma assolutamente non sufficiente, per la sicurezza nelle comunicazioni e nei sistemi Internet. In aggiunta, il corso ha i seguenti ulteriori obiettivi specifici: fornire allo studente basi di crittografia ed elementi di protocolli per la sicurezza in Internet; fornire le metodologie per identificare minacce e vulnerabilita alla sicurezza dei sistemi; analizzare le
famiglie di attacchi piu comuni ai protocolli ed ai sistemi Internet.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
L'obiettivo sopra descritto verrà perseguito illustrando contestualmente sia le principali soluzioni e strumenti crittografici per la sicurezza informatica, sia mostrando esempi concreti di errori di utilizzo e di attacchi. Particolare attenzione verrà dedicata alla comprensione dei principi protocollari alla base dell'instaurazione di sessioni sicure, con particolare riferimento ai protocolli TLS ed IPsec, ed ai protocolli di autenticazione. Infine, lo studente acquisirà competenze di base relative a soluzioni e tecniche crittografiche moderne (condivisione di segreti, elaborazione collaborativa sicura, crittografia ellittica, etc), ed alla loro applicazione in servizi e sistemi di rete.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Le competenze tecniche e metodologiche acquisite permetteranno allo studente di affrontare numerosi problemi reali relativi alla protezione delle comunicazioni e dei sistemi di rete. In particolare, lo studente sarà in grado di identificare (e correggere) vulnerabilità protocollari, problemi implementativi, ed applicazioni errate della crittografia.

AUTONOMIA DI GIUDIZIO:
Il corso permetterà allo studente di identificare e valutare vulnerabilità crittografiche e protocollari supplementari rispetto alle più tradizionali vulnerabilità a livello di sistemi affrontate nei corsi precedenti, ampliando significativamente il bagaglio culturale e tecnico dello studente in termini di strumenti, algoritmi, e capacità di comprensione ed analisi.

ABILITÀ COMUNICATIVE:
Al termine del corso lo studente avrà acquisito padronanza della terminologia relativa alla crittografia applicata ed ai protocolli per la sicurezza in Internet, e sarà in grado di usare un linguaggio tecnico appropriato ed attuale nelle proprie presentazioni ed argomentazioni.

CAPACITÀ DI APPRENDIMENTO:
Il corso stimolerà lo studente all'auto-apprendimento - necessario vista la rapida obsolescenza delle tecnologie in questione - fornendo numerosi esempi e puntatori a fonti informative esterne sia per aspetti tecnologici che metodologici.

OBIETTIVI FORMATIVI:
L'insegnamento intende fornire allo studente un quadro aggiornato dell'attuale tecnologia dei sistemi embedded e real-time. I sistemi embedded sono i calcolatori elettronici integrati in ormai tutti gli apparati elettronici che eseguono in modo specifico ed esclusivo il programma impostato dal progettista dell'apparato. I sistemi real-time sono i sistemi di calcolo (intesi sia come hardware che come software) progettati per garantire non solo la correttezza delle operazioni svolte, ma anche la corretta temporizzazione dei risultati prodotti dal sistema.
Questo corso discute entrambi i tipi di sistemi perché la maggior parte dei sistemi embedded sono anche sistemi real-time, e viceversa. Con riferimento alle linee guida riportate nel documento:
"ACM/IEEE-CS- Computer Science Curricula 2013" (www.acm.org/education/CS2013-final-report.pdf),
il corso contribuisce a coprire le seguenti aree e relativi obiettivi: Operating Systems (OS): Scheduling and Dispatch;
Resource Allocation and Scheduling; Real-Time and Embedded Systems
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine lo studente avrà acquisito una comprensione approfondita delle problematiche e delle tecnologie relative allo sviluppo dei sistemi embedded e real-time. In particolare, lo studente avrà compreso i concetti fondamentali ed i risultati principali della teoria della schedulazione real-time, che consente di certificare la corretta progettazione di un sistema real-time "safety-critical"; avrà compreso le principali problematiche e soluzioni tecnologiche dei sistemi operativi adatti all'esecuzione di applicazioni real-time; avrà compreso le problematiche relativo allo sviluppo del software di un sistema embedded "bare metal" interfacciato direttamente ai dispositivi hardware del sistema, con particolare riferimento ai sistemi di supporto all'esecuzione delle applicazioni real-time.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
Al termine del corso lo studente sarà in grado di scrivere un ambiente di esecuzione real-time "bare metal" per sistemi embedded basati su architettura ARM, a partire dalla sola documentazione rilasciata dal costruttore dell'hardware. Lo studente sarà inoltre in grado di modellare una collezione di job reali con specifici compiti e scadenze temporali tramite il modello a task periodici, dimensionare opportunamente il modello di sistema real-time che dovrà garantire l'esecuzione dei job ed il rispetto delle scadenze, selezionare opportunamente gli algoritmi di schedulazione dei task e di allocazione delle risorse condivise, e dimostrare formalmente che la progettazione effettuata è corretta, nel senso che tutte le scadenze dei job saranno rispettate anche nel peggior caso che possa verificarsi.

OBIETTIVI FORMATIVI:

Il corso si propone di introdurre lo studente agli scopi, alle principali problematiche e ai principali modelli simbolici dell'elaborazione del linguaggio naturale.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:

Lo studente conoscerà le principali tematiche dell'elaborazione del linguaggio naturale.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:

Alla fine del corso, lo studente sarà in grado di implementare un modello di elaborazione del linguaggio.

AUTONOMIA DI GIUDIZIO:

Le lezioni sono organizzate di modo da permettere allo studente di valutare le informazioni presenti nella rete. Questo è necessario per permettere loro di scegliere nel mare magum della rete le informazioni che sono utili per trovare soluzioni ai problemi dati.


ABILITÀ COMUNICATIVE:

Allo studente viene richiesto di presentare alcuni argomenti durante le lezioni al fine di affinare la sua arte oratoria. Inoltre, l'esame prevede una presentazione orale davanti agli altri studenti.

CAPACITÀ DI APPRENDIMENTO:

Nel corso puntiamo molto sulla capacità di selezione delle informazioni come principale capacità di apprendimento.

OBIETTIVI FORMATIVI:
Il corso intende fornire allo studente i complementi di probabilita' necessari a descrivere i fenomeni stocastici e a modellizzarli mediante processi stocastici. Inoltre, verranno introdotte e studiate le serie temporali, che verranno analizzate anche con l'utilizzo di software numerici.

Alla fine del corso, lo studente dovra' consegnare un progetto consistente nell'analisi dettagliata di tre serie temporali, ottenuta mediante il software R.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Acquisizione degli elementi di processi stocastici e serie temporali e delle loro conseguenze in diversi ambiti.


CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Saper individuare e comprendere i concetti di base che servono nelle particolari applicazioni



AUTONOMIA DI GIUDIZIO:
Saper lavorare in completa autonomia


ABILITÀ COMUNICATIVE:
Saper comunicare le conoscenze acquisite, per i diversi ambiti di applicazione.


CAPACITÀ DI APPRENDIMENTO:
Ottenere conoscenza duratura e ben sedimentata delle nozioni acquisite.

OBIETTIVI FORMATIVI:
Obiettivo del corso è fornire strumenti di statistica dei processi stocastici per l'elaborazione di modelli e l'analisi di dati dei mercati finanziari, nonché presentare applicazioni significative con riferimento a dati reali. Un'attenzione particolare sarà rivolta ad agevolare lo sviluppo della capacità di risoluzione dei problemi da parte degli studenti.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Sarà posta la massima enfasi a incoraggiare un apprendimento consapevole delle tecniche e dei modelli presentati durante il corso e a scoraggiare tentativi d'apprendimento puramente imitativi e mnemonici.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Come risultato del corso gli studenti dovranno essere in grado di affrontare e risolvere problemi non banali nell'ambito della modellistica finanziaria, con particolare riferimento ai modelli di Markovitz, di Cox, Ross, Rubinstein, di Black & Scholes, nonchè di analizzare serie storiche di dati economico-finanziari, con particolare riferimento ai modelli ARIMA e GARCH.

AUTONOMIA DI GIUDIZIO:
Gli studenti verranno incoraggiati a sfruttare tutta la flessibilità del modelli stocastico-statistici per esplorare strade individuali, ancorché praticabili, alla risoluzione dei problemi. L'originalità delle soluzioni proposte sarà particolarmente premiata.

ABILITÀ COMUNICATIVE:
L'abilità comunicativa verrà incoraggiata sia mediante un assiduo coinvolgimento degli studenti nelle attività didattiche di verifica dell'apprendimento, sia attribuendo un peso significativo alla chiarezza espositiva nella valutazione delle prove finali d'esame.

CAPACITÀ DI APPRENDIMENTO:
Per incoraggiare lo sviluppo della capacità d'apprendimento si cercherà di stimolare la familiarità con l'argomentazione logico-matematica mediante la partecipazione degli studenti alla presentazione dei ragionamenti probabilistico-statistici che conducono ai principali risultati esposti.