Corso di laurea: Engineering in Computer Science Programmazione per l'A.A. 2019/2020

 

 

Lo studente espliciterà le proprie scelte al momento della presentazione, tramite INFOSTUD, del piano di completamento o del piano di studio individuale, secondo quanto stabilito dal regolamento didattico del corso di studio.

Ingegneria Informatica (percorso valido anche ai fini del conseguimento del doppio titolo italo-francese, italo-venezuelano o italo-russo)

Primo anno

Primo semestre

Insegnamento	CFU	SSD	Ore Lezione	Ore Eserc.	Ore Lab	Ore Studio	Attività	Lingua
1044419 - DISTRIBUTED SYSTEMS AND COMPUTER AND NETWORK SECURITY (obiettivi) DISTRIBUTED SYSTEMS - Conoscenza e comprensione I sistemi distribuiti sono alla base di qualsiasi applicazione informatica moderna. Il corso si propone l'obiettivo principale di fornire agli studenti una chiara caratterizzazione della concorrenza in un sistema distribuito considerando le caratteristiche di tale sistema come guasti, latenza variabile nelle comunicazioni e assenza di un clock globale. Successivamente si analizzano i principali modelli di sistema e le astrazioni di base per la comunicazione e la sincronizzazione. Infine si forniranno i concetti di base di un sistema peer-to-peer con alcuni esempi di sistemi reali. - Applicare conoscenza e comprensione Lo studente sarà in grado di progettare sistemi e algoritmi distribuiti al di sopra di diversi modelli di sistema da quelli sincrono, asincrono e parzialmente sincrono capendo impossibilità e limitazione nelle prestazioni. Inoltre avrà la capacita di astrarre sistemi e piattaforme reali in modelli astratti più facili da trattare. - Capacità critiche e di giudizio Lo studente sarà in grado di valutare e comparare diverse soluzioni per la realizzazione di applicazioni distribuite. Sarà, inoltre, in grado valutare gli opportuni trade-off in considerazione dei vari aspetti che caratterizzano l'ambiente specifico in cui l'applicazione andrà in esercizio. - Capacità comunicative Lo studente acquisirà la terminologia propria del settore. - Capacità di apprendimento Lo studente apprenderà tecniche e metodologie di base per la progettazione e lo sviluppo di sistemi e applicazioni distribuite. COMPUTER AND NETWORK SECURITY Obiettivi generali Fornire i concetti necessari a: (a) comprendere il significato di sicurezza delle informazioni e di sicurezza delle infrastrutture e delle reti; (b) abilitare lo studente a fare analisi delle caratteristiche fondamentali di sicurezza di una rete/infrastruttura; (c) fornire gli strumenti fondamentali per le attività di progettazione e assessment delle soluzioni realizzate su rete in presenza di esigenze di sicurezza delle informazioni. Le metodologie e le nozioni includono la crittografia, il controllo degli accessi, protocolli e architetture di sicurezza, firewall. Obiettivi specifici Capacità di - riconoscere in fase di analisi/progettazione i requisiti di confidenzialità, integrità, autenticità, autenticazione e non ripudio, individuando strumenti idonei a garantirli; - supportare il processo di analisi e definizione di politiche di sicurezza a livello di organizzazione; - valutare criticamente infrastrutture ed applicazioni rispetto alle specifiche di sicurezza; - valutare la presenza di vulnerabilità rilevanti nelle infrastrutture e nelle applicazioni; - studiare e comprendere standard di sicurezza. Conoscenza e comprensione Conoscenza della crittografia di base. Comprensione dei meccanismi di certificazione e firma digitale. Comprensione delle minacce cyber derivanti dall'interazione con il web ed internet in generale Applicare conoscenza e comprensione Selezionare ed usare standard di cifratura efficaci e sicuri. Selezionare ed usare standard di fingerprinting di documenti efficaci e sicuri. Usare firme digitali. Scegliere meccanismi di autenticazione sicuri. Capacità critiche e di giudizio: Essere in grado di valutare l'adeguatezza delle misure di sicurezza IT impiegate da una piccola/media impresa. Capacità comunicative: Essere in grado di interagire agevolmente ed efficacemente con specialisti di domini industriali e ICT per tutte le problematiche connesse alla sicurezza delle informazioni. Saper motivare valutazioni e requisiti. Capacità di apprendimento: Saper leggere e comprendere documenti con standard tecnici e materiali relativi alla divulgazione di nuove minacce IT. - D'AMORE FABRIZIO (programma) Parte I. Sistemi distribuiti - Introduzione ai sistemi distribuiti - Astrazioni di base (Computazioni distribuite, astrazione di processi, Astrazione delle comunicazioni, Assunzioni di sincronia, Astrazione del Tempo) - Sincronizzazione dei clock fisici - Comunicazione Broadcast (Best Effort Broadcast, Broadcast affidabile, Broadcast uniforme e affidabile, Broadcast probabilistico) - Consenso (Consenso regolare, Risultato di Impossibilità FLP, Consenso uniforme, Algoritmo di Paxos) - Primitive di comunicazione ordinate - Memorie condivise - Replicazione software - CAP Theorem e le sue applicazioni - Tolleranza a guasti Bizantini - Sistemi - Publish/subscribe - Distributed Ledgers Parte II. Computer and network security Information security and cybersecurity. Cryptography and its role for the information security. Communication model, attack models, adversarial models. Terminology. Symmetric cryptography: perfect cyphers, stream ciphers (Vernam), block ciphers. Review on discrete mathematics: modular arithmetic, groups, fields, Galois fields; Fermat and Euler theorems. Rijndel and AES. Modes of operations. Key whitening, 3DES. MAC techniques: CBS-MAC, unkeyed hashing, keyed hashing. Birthday attack. SHA families. HMAC. Public key cryptography: Diffie-Hellman and its security; details on RSA; attacks to RSA; real RSA. Cryptographically secure pseudo-random number generators. Authentication and non-repudiation: digital signatures. ElGamal, DSS. Authentication: challenge-respinse models, trusted third parties, Needham-Schroeder, Kerberos, digital certificates (X509) and certificate authorities. Lamport hashes and one-time passwords. EKE family. Security protocols: IPsec, TLS, SSH. Firewalls: classifications and examples. Iptables. Secret sharing (Shamir). Access control: DAC vs. MAC models. HRU, BLP.   Parte I. Sistemi distribuiti Testi adottati - C. Cachin, R. Guerraoui and L. Rodrigues. Introduction to Reliable and Secure Distributed Programming, Springer, 2011 Suggeriti - George Coulouris, Jean Dollimore and Tim Kindberg, Gordon Blair "Distributed Systems: Concepts and Design (5th Edition)". Addison - Wesley, 2012. Parte II. Computer and network security Textbook Charlie Kaufman, Radia Perlman, Mike Speciner. Network Security: Private Communication in a Public World, 2/E. ISBN-10: 0130460192 • ISBN-13: 9780130460196 ©2002 • Prentice Hall • Cloth, 752 pp Published 01 May 2002 Other useful books/sources William Stallings. Cryptography and Network Security: Principles and Practice, International EditionPrinciples and Practice. 6th Edition Jun 2013, Book with access code, 756 pages ISBN13: 9780273793359 ISBN10: 0273793357 Ross J. Anderson. Security Engineering: A Guide to Building Dependable Distributed Systems, 2nd Edition ISBN: 978-0-470-06852-6, 1080 pages, April 2008 Alfred J. Menezes, Paul C. van Oorschot, Scott A. Vanstone. Handbook of Applied Cryptography. ISBN: 0-8493-8523-7. Publisher: CRC Press, 2001 (old course) (Date degli appelli d'esame) - BONOMI SILVIA (programma) - Introduzione ai sistemi distribuiti - Astrazioni di base (Computazioni distribuite, astrazione di processi, Astrazione delle comunicazioni, Assunzioni di sincronia, Astrazione del Tempo) - Sincronizzazione dei clock fisici - Comunicazione Broadcast (Best Effort Broadcast, Broadcast affidabile, Broadcast uniforme e affidabile, Broadcast probabilistico) - Consenso (Consenso regolare, Risultato di Impossibilità FLP, Consenso uniforme, Algoritmo di Paxos) - Primitive di comunicazione ordinate - Memorie condivise - Replicazione software - CAP Theorem e le sue applicazioni - Tolleranza a guasti Bizantini - Sistemi - Publish/subscribe - Distributed Ledgers   - C. Cachin, R. Guerraoui and L. Rodrigues. Introduction to Reliable and Secure Distributed Programming, Springer, 2011 Suggeriti - George Coulouris, Jean Dollimore and Tim Kindberg, Gordon Blair "Distributed Systems: Concepts and Design (5th Edition)". Addison - Wesley, 2012.	12	ING-INF/05	48	72	-	-	Attività formative caratterizzanti	ENG
1044417 - ALGORITHM DESIGN (obiettivi) L'obiettivo del corso è quello di introdurre i concetti fondamentali della progettazione di algoritmi per problemi polinomiali e problemi computazionali difficili. Il corso presenterà i concetti di base di progettazione di algoritmi per problemi di flusso nelle reti e problemi di matching. Tecniche generali come greedy e programmazione e dinamica saranno applicate a problemi di cammino minimo, spanning tree, knapsack. Algoritmi di approssimazione saranno presentati per problemi computazionali difficili come TSP, vertex cover set cover, sat, scheduling. Particolare enfasi sarà data ai metodi basati sulla programmazione lineare e gli algoritmi randomizzati. Infine , il corso introdurrà i principali problemi computazionali in teoria dei giochi. - LEONARDI STEFANO (programma) Argomenti di base e avanzati di progetto di algoritmi seguendo principalemente il libro di Kleinberg e Tardos. -- Network flow: Ford and Fulkerson, Max Flow - Min Cut, scaling algorithm. Applications of network flow. -- Matching in bipartite graphs and marriage theorem. Stable Matchings. -- Greedy Algorithms: Interval Scheduling, Interval Partitioning. -- Dynamic Programming: weighted Interval scheduling, knapsack, Bellman-Ford. -- Basic concepts of approximation algorithms: simple examples, PTAS. -- Linear programs and LP-based approximation: LP rounding, randomized rounding, primal-dual scheme -- Randomised algorithms -- Computational Game Theory: games efficiency of Equilibria and Price of Anarchy. Prior   1. Jon Kleinberg and Eva Tardos. Algorithm Design. Cambridge University Press. (Date degli appelli d'esame)	6	ING-INF/05	24	36	-	-	Attività formative caratterizzanti	ENG
Gruppo opzionale: Gruppo OPZIONALE: 1 Insegnamento a scelta - (visualizza) 6                1022771 - ARTIFICIAL INTELLIGENCE I (obiettivi) Obiettivi generali: Conoscere i principi di base dell'intelligenza artificiale, in particolare la modellazione di sistema intelligente tramite la nozione di agente intelligente. Conoscere le tecniche di base dell'Intelligenza Artificiale con particolare riferimento alla manipolazione di simboli e, più in generale, a modelli discreti. Obiettivi specifici: Conoscenza e comprensione: Metodi di ricerca automatica nello spazio degli stati: metodi generali, metodi basati su euristiche, ricerca locale. Rappresentazioni fattorizzate: problemi di soddisfacimento di vincoli, modelli di pianificazione. Rappresentazione della conoscenza attraverso sistemi formali: logica proposizionale, logica del primo ordine, cenni alle logiche descrittive ad alle forme di ragionamento non monotono. Uso della logica come linguaggio di programmazione: PROLOG. Applicare conoscenza e comprensione: Modellazione di problemi con i diversi metodi di rappresentazione acquisiti. Analisi del comportamento degli algoritmi di ragionamento di base. Capacità critiche e di giudizio: Essere in grado di valutare la qualità di un modello di rappresentazione di un problema e dei risultati ottenuti applicando su di esso tecniche di ragionamento automatico. Capacità comunicative: Le capacità di comunicazione orale dello studente vengono stimolate attraverso l'interazione durante le lezioni tradizionali mentre le capacità espositive nello scritto vengono sviluppate attraverso la discussione di esercizi e delle domande a risposta aperta previste nelle prove di esame. Capacità di apprendimento: Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, attraverso gli esercizi relativi all'applicazione dei modelli appresi, il corso contribuisce a sviluppare le capacità di risoluzione di problemi dello studente. - Erogato presso  10592832 ARTIFICIAL INTELLIGENCE in Artificial Intelligence and Robotics LM-32 NARDI DANIELE 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1022858 - MACHINE LEARNING (obiettivi) Obiettivi generali: L’obiettivo del corso è presentare un ampio spettro di metodi e algoritmi di apprendimento automatico, discutendone le proprietà e i criteri di applicabilità e di convergenza. Si presentano anche diversi esempi di impiego efficace delle tecniche di apprendimento automatico in diversi scenari applicativi. Gli studenti avranno la capacità di risolvere problemi di apprendimento automatico, partendo da una corretta formulazione del problema, con la scelta di un opportuno algoritmo, e sapendo condurre un’analisi sperimentale per valutare i risultati ottenuti. Obiettivi specifici: Conoscenza e comprensione: Fornire un'ampia panoramica sui principali metodi e algoritmi di apprendimento automatico per i problemi di classificazione, regressione, apprendimento, non-supervisionato e apprendimento per rinforzo. I diversi problemi affrontati vengono definiti formalmente e vengono fornite sia le basi teoriche sia informazione tecniche per comprendere le soluzioni adottate. Applicare conoscenza e comprensione: Risolvere problemi specifici di apprendimento automatico a partire da insiemi di dati, mediante l'applicazione delle tecniche studiate. Lo svolgimento di due homework (piccoli progetti da svolgere a casa) consente agli studenti di applicare le conoscenze acquisite. Capacità critiche e di giudizio: Essere in grado di valutare la qualità di un sistema di apprendimento automatico usando opportune metriche e metodologie di valutazione. Capacità comunicative: Produrre un rapporto tecnico che descrive i risultati degli homework, acquisendo quindi la capacità di comunicare i risultati ottenuti dall'applicazione delle conoscenze acquisite nella soluzione di un problema specifico. Assistere ad esempi di comunicazione e condivisione dei risultati raggiunti in applicazioni reali forniti da esperti all'interno di seminari erogati durante il corso. Capacità di apprendimento: Approfondimento autonomo di alcuni argomenti presentati nel corso tramite lo svolgimento di homework, con possibilità anche di lavorare insieme ad altri studenti (lavoro di gruppo) per risolvere problemi specifici. - PATRIZI FABIO (programma) Classification Basic concepts and evaluation Decision Trees Bayes Learning Linear Models Support Vector Machines Kernels Multiple classifiers Regression Linear and logistic regression Instance based (K-NN) Perceptron Neural networks Deep neural networks (CNN) Unsupervised learning Clustering (k-Means) Latent variables (EM) Reinforcement learning MDP Q-learning Deep Reinforcement Learning HMM POMDP   Machine Learning, Tom Mitchell. Pattern Recognition and Machine Learning, Chris Bishop. Machine Learning: a Probabilistic Perspective, Kevin Murphy. Introduction to Machine Learning, Ethem Alpaydin. Deep Learning, Ian Goodfellow, Yoshua Bengio, Aaron Courville. Reinforcement Learning, Sutton and Barto. (Date degli appelli d'esame) - NTOUSKOS VALSAMIS 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG
Gruppo opzionale: Insegnamenti affini ed integrativi - 1 insegnamento a scelta - (visualizza) 6                10593010 - ARTIFICIAL INTELLIGENCE II   - MODULO II: MACHINE LEARNING II - Erogato presso  10592833 MACHINE LEARNING in Artificial Intelligence and Robotics LM-32 IOCCHI LUCA, CAPOBIANCO ROBERTO 3  ING-INF/05  12  18  -  -  Attività formative affini ed integrative  ENG - MODULO I: ARTIFICIAL INTELLIGENCE II - Erogato presso  10592832 ARTIFICIAL INTELLIGENCE in Artificial Intelligence and Robotics LM-32 NARDI DANIELE 3  ING-INF/05  12  18  -  -  Attività formative affini ed integrative  ENG
Gruppo opzionale: Insegnamenti affini ed integrativi: un insegnamento a scelta tra i due - (visualizza) 6                1027171 - NETWORK INFRASTRUCTURES (obiettivi) Descrittori NETWORK INFRASTRUCTURES Obiettivi Generali: Il corso presenta i concetti di base, i protocolli e le architetture delle attuali infrastrutture di rete. Particolare attenzione è dedicata alla rete di accesso a larga banda larga e alle reti wireless di nuova generazione. Verranno trattate tecnologie quali l’ xDSL, PON, LTE, 5G, SDH, OTN, SDN. Inoltre si presenterà come configurare ed analizzare reti IP e relativi protocolli a vari livelli (di rete ed applicativi) mediante la piattaforma Netkit. Aspetti specifici su Netkit riguarderanno: l’istradamento dinamico, il DNS, l’SSH, le VPN, Firewall e aspetti di sicurezza. Obiettivi specifici: A) Conoscenza e capacità di comprensione - Conoscenze sulle principali infrastrutture di rete sia cablate (in rame ed in fibra) che in tecnologie wireless. Capacità di comprensione dei requisiti per la pianificazione di una infrastruttura di rete per servizi digitali di nuova generazione con enfasi sulla qualità di servizio e sicurezza. B) Capacità di applicare conoscenza e comprensione - Essere in grado di risolvere problemi di pianificazione ed analisi di infrastrutture digitali e relativi requisiti, inseriti in contesti applicativi differenti (larga banda, wireless LTE e 5G, Software Defined Networks e IoT). C) Autonomia di giudizio -Essere in grado, integrando le conoscenze a livello di rete e applicative, di capire la complessità di una infrastruttura di rete e il tipo di servizio che questa puo’ offrire; essere in grado di analizzare il funzionamento e le prestazioni di differenti protocolli di rete. D) Abilità comunicative - Le attività progettuali e le esercitazioni di laboratorio del corso permettono allo studente di essere in grado di discutere casi d’uso di piattaforme di rete in contesi applicativi differenti e di presentarne le potenzialità, i limiti e le prestazioni. E) Capacità di apprendimento - Le attività progettuali ed il laboratorio netkit stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche di rete apprese durante il corso. - CUOMO FRANCESCA (programma) Richiami sulle tecnologie di reti TCP/IP, LAN/MAN. Le reti telefoniche (Architettura, i canali digitali, le gerarchie di commutazione, la segnalazione SS7) Accesso alla rete Reti di accesso in rame a banda larga ADSL e VDSL, soluzioni di networking accesso basato su fibra: le PON e relative evoluzioni Metro Ethernet / Gigabit Ethernet Reti wireless Multihop/3G/4G La famiglia Wi-xx (WiGi, WiMax e reti mesh) Sistemi 4G: LTE e LTE-A Evoluzione 5G Rete di trasporto Concetti di networking ottico I livelli di collegamento ottico (SONET, WDM) Optical Transport Network basate su DWDM: caratterizzazione singolo collegamento, componenti ottici e dispositivi, sistemi e reti Qualità del servizio (QoS) in rete Controllo di rete (Software Defined Networks e OpenFlow)   Lucidi del corso e testi ed artcoli disponibili su: http://francescacuomo.site.uniroma1.it/didattica/network-infrastructures (Date degli appelli d'esame) 6  ING-INF/03  24  36  -  -  Attività formative affini ed integrative  ENG 1022870 - NEURAL NETWORKS (obiettivi) Obiettivi del modulo e capacità acquisite dallo studente Il corso introduce le reti neurali (NN), e i alcuni metodi detti ‘soft computing’ (SC) che, a differenza delle tradizionali procedure di calcolo numerico esatto, sono tolleranti a imprecisioni, incertezze, rumore e a verità parziali. Gli obiettivi formativi consistono nell’acquisizione delle seguenti conoscenze e competenze specifiche: 1) principali modelli di reti neurali e reti a ispirazioni anche non biologica: architetture, proprietà matematiche e algoritmi di apprendimento; 2) filtraggio adattativo e modellazione di fenomeni dinamici e statici; 3) rappresentazione parsimoniosa di dati ed estrazione dell’informazione non ridondante; 4) architetture e apprendimento di reti neurali profonde con metodi a forte regolarizzazione; 5) algoritmi per i metodi SC. Sono discusse applicazioni di: analisi e modellazione di dati non strutturati: modellazione, filtraggio e predizione; il riconoscimento di configurazioni; cluster analysis; metodi per la fusione dati da sensori multipli; la separazione miopica di segnali. Risultati di apprendimento attesi: Lo studente del corso Neural Networks acquisisce conoscenze e competenze di base e specifiche relative alla disciplina. E' in grado di implementare (e valutare le prestazioni) dei vari modelli neurali, dei relativi algoritmi di apprendimento supervisionati e non supervisionati per: per la estrazione di caratteristiche, pattern recognition, clustering e l’elaborazione dei dati con dipendenze temporali. Lo studente acquisisce una chiara ed efficace comprensione dei metodi di apprendimento a ispirazione biologica. Sviluppa la capacità di progettare sistemi adattativi che imparano da dati reali con almeno una delle seguenti caratteristiche: dati non strutturati, rumorosi, incompleti, eterogenei, di alta dimensionale, distribuiti. - Erogato presso  1022870 NEURAL NETWORKS in Artificial Intelligence and Robotics LM-32 UNCINI AURELIO (Date degli appelli d'esame) 6  ING-IND/31  24  36  -  -  Attività formative affini ed integrative  ENG

Secondo semestre

Insegnamento	CFU	SSD	Ore Lezione	Ore Eserc.	Ore Lab	Ore Studio	Attività	Lingua
1022797 - DATA MANAGEMENT (obiettivi) Obiettivi generali: L'obiettivo del corso è l'indagine sui concetti di base dei sistemi di gestione dei dati, facendo riferimento in particolare al modello relazionale. Vengono affrontate diverse questioni fondamentali relative alla teoria e alla progettazione di sistemi di gestione dei dati relazionali, tra cui controllo della concorrenza, ripristino, organizzazioni di file e indici, elaborazione delle query, OLAP e OLTP. È richiesta una buona conoscenza dei fondamenti di strutture di programmazione, linguaggi di programmazione e database (SQL, modello di dati relazionali, modello di dati Entità-Relazione, progettazione di database concettuali e logici). Conoscenza e comprensione: Lo studente avrà una buona conoscenza di come funziona un sistema di gestione dei dati, di come è strutturato e di come è progettato. Inoltre, lo studente acquisirà conoscenza dell'architettura di un sistema di gestione di database e dei suoi moduli principali (gestore delle transazioni, gestore di recupero, analizzatore di query). Lo studente acquisirà inoltre una buona conoscenza di come progettare l'organizzazione fisica delle relazioni (file e indici) e di come funziona l'ottimizzatore di query di un sistema di gestione dati. Applicare conoscenza e comprensione: Gli studenti saranno in grado di progettare il proprio sistema di gestione dei dati, incluso il modulo di controllo della concorrenza, il modulo di ripristino, il modulo per i metodi accesso ai file e l'ottimizzatore di query. Capacità critiche e di giudizio: Lo studente sarà in grado di valutare le caratteristiche e la qualità di un sistema di gestione dei dati e sarà in grado di scegliere la tecnica giusta per gestire la concorrenza, il recupero e l'elaborazione delle query in contesti applicativi specifici. Capacità comunicativa: Gli studenti acquisiranno una buona conoscenza su come illustrare gli algoritmi e le tecniche alla base di un moderno Data Manager. Capacità di apprendimento: Lo studente sarà in grado di comprendere qualsiasi nuova architettura e approccio alla gestione dei dati che si affermerà in futuro. - LENZERINI MAURIZIO (programma) 1. Architecture of a database management system 2. Transaction management - the notion of transaction - concurrency control 3. Recovery management - classification of failures - techniques for recovery 4. Physical design - physical organization of a relational database - principles of physical organization 5. Query evaluation - general principles - evaluation of relational operators 6. XML and relational databases - XML, DTD; XML Schema, XQuery - relational representation of XML documents   R. Ramakrishnan, J. Gehrke. Database Management Systems. McGraw-Hill, 2004 (Date degli appelli d'esame)	6	ING-INF/05	24	36	-	-	Attività formative caratterizzanti	ENG
1022891 - SOFTWARE ENGINEERING (obiettivi) Il corso analizza il processo di sviluppo del software e presenta le metodologia, gli standard di qualità, le metriche e le tecniche comunemente usate per la stima economica, la pianificazione ed il test di applicazioni software di qualità professionale. Al fine di interpretare correttamente le misure utilizzate nel contesto dell'assicurazione della qualità del software, il corso presenta le nozioni di base della teoria della misura e della verifica di esperimenti tramite l'analisi della varianza.Risultati di apprendimento attesi: Alla fine del corso lo studente sarà in grado di: -scegliere un modello per lo sviluppo di una applicazione software, stimarne il costo, pianificare le attività di progetto, progettare i test ed indicare delle metriche per l'assicurazione qualità, nonchè valutare la significatività statistica di esperimenti basati sulla raccolta di campioni numerici. - MECELLA MASSIMO (programma) Il programma di dettaglio corrisponde a quanto svolto a lezione (inclusi i seminari) e trattato nei riferimenti fondamentali indicati per ciascuna lezione. In termini generali il programma include: - Introduzione e concetti di base (standardizzazione dei processi software, processi software, metodologie agili e programmazione estrema, gestione dei progetti) - Metodi per il test - Economia del software (punti funzione, COCOMO II) - Fondamenti della teoria della misura (definizioni e panoramica sui concetti di base delle statistiche, qualità delle metriche, errori sistematici e casuali, statistiche inferenziali, analisi della varianza (ANOVA)) - Qualità del software (errori più comuni e fattori di qualità, ISO 25010, DREC) - Programmazione e tecnologie distribuite (SOA, architetture di micro-servizi, sistemi di messaggistica, ecc.)   Slide e materiale distribuito dal docente Eventuali testi e/o articoli indicati durante le lezioni a seconda degli argomenti (Date degli appelli d'esame)	6	ING-INF/05	24	36	-	-	Attività formative caratterizzanti	ENG
Gruppo opzionale: Insegnamenti Caratterizzanti - 4 Insegnamenti a scelta - (visualizza) 24                1038133 - FORMAL METHODS (obiettivi) Obiettivi generali: L'obiettivo del corso è lo studio e l'approfondimento della qualità più importante del software: la correttezza. Lo studio della correttezza verrà affrontato con riferimento ad aspetti concettuali e realizzativi affrontando la modellazione e la verifica sia di aspetti statici che di aspetti dinamici. Gli argomenti vengono trattati dando enfasi ad aspetti metodologici e ad aspetti sperimentali utilizzando varie forme di logica (logica del prim'ordine, logiche dinamiche e logiche temporali) e vari strumenti per la verifica automatica. Risultati di apprendimento attesi: Alla fine del corso lo studente dovrebbe avere acquisito tecniche e metodi per la dimostrazione della correttezza dei programmi e degli schemi concettuali. Obiettivi specifici: Conoscenza e comprensione: I principali fondamentali dei metodi formali. L'uso di specifiche rigorose e formali e la loro verifica. Principi fondanti della logica per l'informatica, verifica formale di proprieta' dei dati e dei processi. Applicare conoscenza e comprensione: Essere in grado di affrontare l'analisi di correttezza di programmi attraverso metodi rigorosi e formali, sia relativamente ad aspetti relativi ai dati che ai processi. Capacità critiche e di giudizio: Essere in grado di valutare il rigore di una data argomentazione di correttezza dei programmi. Orientarsi nella scelta degli strumenti concettuali forniti dalla logica e i metodi formali per la verifica di proprieta' sia statiche che dinamiche. Capacità comunicative: Le attività di gruppo in classe e le esercitazioni del corso permettono allo studente di essere in grado di comunicare/condividere le conoscenze acquisite e confrontarsi con gli altri sui temi del corso. Capacità di apprendimento: Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, le modalità di svolgimento del corso, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso. - Erogato presso  1038133 FORMAL METHODS in Engineering in Computer Science LM-32 NESSUNA CANALIZZAZIONE DE GIACOMO GIUSEPPE (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1038134 - HUMAN COMPUTER INTERACTION (obiettivi) Obiettivi Generali: Obiettivo del corso è la presentazione dei principi fondamentali della interazione persona-calcolatore e dell’usabilità dei sistemi interattivi. Gli argomenti verranno trattati da vari punti di vista, coprendo aspetti teorici, metodologici, tecnologici ed applicativi, con riferimento sia alla situazione esistente, che ad aspetti avanzati in via di sviluppo. Alcuni aspetti avanzati dell’interazione, quali ambienti cooperativi, sistemi immersivi, interfacce intelligenti, ecc., vengono trattati in modo seminariale. Alla fine del corso lo studente dovrebbe aver acquisito non soltanto le conoscenze teoriche sulla materia, ma anche le tecniche e gli strumenti metodologici sufficienti per affrontare e condurre a termine il progetto di un sistema interattivo secondo un punto di vista centrato sull’utente finale (user-centered design). Obiettivi specifici: Conoscenza e comprensione: Metodologia di progettazione del software centrata sull’utente finale (user-centered design, UCD). In particolare, nel corso verranno analizzate tecniche avanzate per la raccolta ed analisi dei requisiti, modelli degli obiettivi (goals) e compiti (tasks) dell’utente, modelli dell’interazione e del sistema, tecniche e metodologie per la valutazione di usabilità. Applicare conoscenza e comprensione: Comprendere i concetti di interazione persona-calcolatore (o strumento in genere) e di usabilità. Essere in grado di condurre un progetto completo di sistema interattivo seguendo la metodologia UCD. Capacità critiche e di giudizio: Essere in grado di valutare l’usabilità di un sistema interattivo e la sua adeguatezza rispetto a compiti ed obiettivi degli utenti finali e dei committenti. Capacità comunicative: Le attività progettuali e le esercitazioni del corso permettono allo studente di essere in grado di comunicare/condividere i requisiti di un sistema interattivo, nonché le scelte progettuali e le metodologie di progettazione e sviluppo. Capacità di apprendimento: Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, le modalità di svolgimento del corso, in particolare le attività progettuali, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso. - Erogato presso  1038134 HUMAN COMPUTER INTERACTION in Engineering in Computer Science LM-32 NESSUNA CANALIZZAZIONE CATARCI TIZIANA (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1044414 - ADVANCED OPERATING SYSTEMS AND VIRTUALIZATION (obiettivi) Obiettivi generali: Gli obiettivi del corso Advanced Operating Systems and Virtualization sono legati all'acquisizione di metodologie teoriche e pratiche legate alla progettazione ed allo sviluppo di sistemi operativi moderni. Gli argomenti trattati sono calati all'interno dell'architettura hardware x86, con l'obiettivo di fornire allo studente competenze facilmente spendibili su architetture di elaborazione moderne e largamente diffuse. Le idiosincrasie dell'architettura x86 consentono di introdurre concetti legati alla portabilità del codice dei sistemi operativi e della loro modularizzazione interna, permettendo quindi di applicare i concetti e le competenze di più alto livello anche su altre architetture. Il caso di studio è il kernel Linux, di cui verranno mostrati gli internals di un numero non minimale di sottosistemi e relative strutture dati. In questo modo, lo studente potrà imparare le best practice per la progettazione e lo sviluppo di sistemi operativi. Durante tutto il corso, in maniera trasversale, verranno mostrati in maniera teorica e pratica aspetti legati alla sicurezza interna ed esterna dei sistemi operativi. In questo modo, lo studente avrà la possibilità di accrescere le proprie competenze in termini di sicurezza, potendo anche arrivare all'identificazione dei correnti limiti delle politiche di sicurezza dei sistemi, ed eventualmente di ragionare su modalità per estendere le stesse. Il corso ha anche come obiettivo quello di mostrare le tecniche e le metodologie atte a supportare la virtualizzazione di sistemi, sia sfruttando facility hardware che supporti software. La realizzazione di un progetto in tecnologia C che estenda l'attuale implementazione del kernel Linux permetterà agli studenti anche di migliorare le proprie competenze di programmazione in C. Obiettivi specifici: Conoscenza e comprensione: Lo studente acquisirà la capacità di leggere e comprendere il codice sorgente del kernel Linux. Questa capacità riflette la conoscenza degli aspetti teorici legati al funzionamento dei sistemi operativi, e delle necessità di sviluppo legate alle moderne architetture hardware. Applicare conoscenza e comprensione: Lo studente sarà in grado di progettare ed implementare nuovi sottosistemi all'interno del kernel Linux. Capacità critiche e di giudizio: Lo studente sarà in grado di valutare la qualità di un implementazione di un sistema software complesso, dal punto di vista della correttezza, delle performance e degli standard di sicurezza. Capacità comunicative: Lo studente sarà in grado di realizzare documentazioni di qualità elevata di sistemi software complessi e di utilizzare strumenti di sviluppo collaborativo. Inoltre, lo studente acquisirà proprietà di linguaggio tali da descrivere problematiche di correttezza e performance di sistemi software complessi. Capacità di apprendimento: Lo studente sarà in grado di leggere e comprendere sistemi software complessi e di identificare possibili problematiche di sicurezza. Questo consentirà di progettare e realizzare nuovi sistemi software complessi, di identificare politihche di mitigazione di attacchi, di studiare in maniera autonoma il funzionamento di altri sistemi software complessi. - Erogato presso  1044414 ADVANCED OPERATING SYSTEMS AND VIRTUALIZATION in Engineering in Computer Science LM-32 NESSUNA CANALIZZAZIONE Pellegrini Alessandro (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1022780 - CAPACITY PLANNING (obiettivi) Obiettivi generali: Obiettivo del corso è fornire le metodologie per la modellazione e valutazione degli impianti di elaborazione, relativamente al dimensionamento in fase di progettazione e al tuning in fase di esercizio. Il corso si propone di rendere disponibili gli strumenti necessari a un ingegnere per operare delle scelte tra più soluzioni architetturali, in considerazione sia delle prestazioni che del costo. Preliminarmente alle suddette metodologie vengono forniti gli elementi architetturali necessari al perfezionamento delle conoscenze sulle infrastrutture di elaborazione distribuite ad alte prestazioni, ad alta affidabilità e disponibilità. Risultati di apprendimento attesi: Alla fine del corso gli studenti saranno in grado di dimensionare un sistema di elaborazione con l'obiettivo di soddisfare i Service Level Agreement (SLA) fissati, SLA basati sia su indici tipici delle prestazioni che della dependability. Obiettivi specifici: Conoscenza e comprensione: Tecniche di tolleranza ai guasti, modellazione di sistemi di elaborazione per valutare la dependability e le prestazioni dei sistemi di elaborazione Applicare conoscenza e comprensione: Essere in grado di progettare e dimensionare un sistema di elaborazione complesso. Capacità critiche e di giudizio: Essere in grado di valutare la qualità di un sistema di elaborazione e verificarne la capacità a soddisfare le esigenze dei clienti e dei gestori. Capacità comunicative: Le attività progettuali e le esercitazioni del corso permettono allo studente di essere in grado di lavorare in un gruppo di progettisti multidisciplinare. Capacità di apprendimento: L’identificazione di modelli di sistemi reali permette agli studenti di apprendere in profondità da una parte le interazioni dei suoi componenti e dall’altra di capire il valore della rappresentazione dei sistemi di elaborazione. - Erogato presso  1022780 CAPACITY PLANNING in Engineering in Computer Science LM-32 NESSUNA CANALIZZAZIONE CICIANI BRUNO (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1038137 - WEB INFORMATION RETRIEVAL (obiettivi) Obiettivi generali: Conoscenza dei principali scenari applicativi di interesse nell'analisi di collezioni di dati di grandi dimensioni. Conoscenza e comprensione dei principali problemi metodologici e di analisi posti dalla dimensione crescente dei dati. Conoscenza delle principali tecniche di soluzione e dei principali strumenti a disposizione per implementarle. Comprensione degli aspetti teorici e fondazionali delle principali tecniche per l'analisi di collezioni di dati di grandi dimensioni Capacità di tradurre le nozioni acquisite in programmi per la soluzione di problemi specifici. Conoscenza delle principali tecniche di valutazione e loro applicazione a scenari specifici. Obiettivi specifici: Capacità di: - individuare le tecniche più adatte a un problema di analisi di dati di grandi dimensioni; - implementare la soluzione proposta, individuando gli strumenti più adatti a raggiungere lo scopo tra quelli disponibili; - progettare e realizzare scenari sperimentali per valutare le soluzioni proposte in condizioni realistiche; Conoscenza e comprensione: - conoscenza dei principali scenari applicativi; - conoscenza delle principali tecniche di analisi; - comprensione dei presupposti teorici e metodologici alla base delle tecniche principali - conoscenza e comprensione delle principali tecniche e indici di valutazione delle prestazioni Applicare conoscenza e comprensione: - essere in grado di tradurre esigenze applicative in problemi concreti di analisi dei dati; - essere in grado di identificare gli aspetti del problema, se presenti, che potrebbero rendere la dimensione (o dimensionalità) dei dati un fattore critico; - essere in grado di individuare le tecniche e gli strumenti più adatti alla soluzione dei problemi concreti di cui sopra; - essere in grado di stimare a priori, almeno qualitativamente, la scalabilità delle soluzioni proposte; Capacità critiche e di giudizio: Essere in grado di valutare, anche sperimentalmente, l'efficacia, l'efficienza e la scalabilità delle soluzioni proposte Capacità comunicative: Essere in grado di descrivere in modo efficace le specifiche di un problema e di comunicare ad altri le scelte adottate e le motivazioni sottostanti a tali scelte. Capacità di apprendimento: Il corso consentirà lo sviluppo di capacità di approfondimento autonomo su argomenti del corso o ad essi correlati. Metterà lo studente nelle condizioni di individuare e consultare in modo critico manuali avanzati o letteratura scientifica per affrontare scenari nuovi oppure per applicare tecniche alternative a scenari noti. - BECCHETTI LUCA (programma) Il corso si propone di presentare le metodologie e le tecnologie fondamentali dell’Information Retrieval e della progettazione dei motori di ricerca nel World Wide Web. Gli argomenti che sono affrontati sono i seguenti: Information Retrieval: Indicizzazione ed interrogazione di basi documentali.Ranking di documenti, modello vettoriale e valutazione della qualita' di un sistema di IR.Motori di ricerca: Architettura, Crawling, Ranking ed approfondimenti, Metaranking, Grafo del Web. Classificazione e Clustering: Classificazione dei testi; Classificazione Vettoriale; Clustering. Esercitazioni di laboratorio riguardanti l’implementazione di strategie di indicizzazione, crawling e ranking. Servizi: personalizzazione, raccomandazione, advertising   Christopher D. Manning, Prabhakar Raghavan, Heinrich Schueze Introduction to Information Retrieval, Cambridge University Press, 2008 Articoli scientifici e materiale on line proposto dal docente (Date degli appelli d'esame) - VITALETTI ANDREA (programma) Il corso si propone di presentare le metodologie e le tecnologie fondamentali dell’Information Retrieval e della progettazione dei motori di ricerca nel World Wide Web. Gli argomenti che sono affrontati sono i seguenti: Information Retrieval: Indicizzazione ed interrogazione di basi documentali.Ranking di documenti, modello vettoriale e valutazione della qualita' di un sistema di IR.Motori di ricerca: Architettura, Crawling, Ranking ed approfondimenti, Metaranking, Grafo del Web. Classificazione e Clustering: Classificazione dei testi; Classificazione Vettoriale; Clustering. Esercitazioni di laboratorio riguardanti l’implementazione di strategie di indicizzazione, crawling e ranking. Servizi: personalizzazione, raccomandazione, advertising   Christopher D. Manning, Prabhakar Raghavan, Heinrich Schueze Introduction to Information Retrieval, Cambridge University Press, 2008 Articoli scientifici e materiale on line proposto dal docente 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 10589747 - INTERNET OF THINGS (obiettivi) Il corso è rivolto principalmente a ingegneri informatici e mira a fornire le competenze di base per progettare, implementare e testare un sistema pervasivo, vale a dire un sistema che consenta agli utenti di accedere ai servizi d'interesse sempre ed ovunque. Discuteremo le tecnologie, i protocolli, le funzionalità e algoritmi per realizzare un sistema pervasivo in grado di fornire servizi specifici (ad esempio servizi per gli utenti mobili, servizi per l'internet degli oggetti, ecc) soggetto ai vincoli tipici dei collegamenti wireless e alle risorse limitate del dispositivi che lo compongono (es. vincoli di energia, mobilità, rumore, potenza della CPU limitato, larghezza di banda limitata, ecc) - Erogato presso  10589747 INTERNET OF THINGS in Engineering in Computer Science LM-32 CHATZIGIANNAKIS IOANNIS, VITALETTI ANDREA (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG
Gruppo opzionale: Insegnamenti affini ed integrativi - 1 insegnamento a scelta - (visualizza) 6                10593010 - ARTIFICIAL INTELLIGENCE II   1044398 - INTERACTIVE GRAPHICS (obiettivi) Obiettivi generali: Far acquisire allo studente le basi della programmazione in grafica 3D con particolare enfasi sulle tecniche di animazione e visualizzazione interattiva. In particolare gli argomenti trattati includono: Fondamenti della grafica computerizzata, rendering interattivo e animazione, la pipeline grafica, trasformazioni, visualizzazioni, rasterizzazione, illuminazione e shading, texture-mapping, tecniche di animazione basate su keyframes, simulazioni fisiche, sistemi di particelle ed animazione di personaggi. Verrà inoltre fornita un’introduzione alla computazione su hardware specializzato per la grafica (GPGU). Obiettivi specifici: Far acquisire allo studente familiarità con le tecniche matematiche alla base della grafica 3D, oltre che la capacità di programmare ambienti complessi ed interattivi in grafica 3D usando la libreria OpenGL o una delle sue varianti Conoscenza e comprensione: Approfondimento del funzionamento di un sistema per la grafica 3D nelle sue componenti hardware e software. Conoscenza dello standard HTML5 e del linguaggio Javascript, applicazione della libreria WebGL e di alcune librerie di più alto livello. Comprensione delle problematiche di efficienza e qualità visiva delle applicazioni in grafica 3D Applicare conoscenza e comprensione: Sviluppo di applicazioni interattive sul web in grafica 3D. Capacità critiche e di giudizio: Capacità di comprendere le complessità tecniche nella realizzazione di applicazioni interattive in grafica 3D. Capacità di analisi critica delle soluzioni presenti sul mercato ed analisi di punti di forza e debolezza. - Erogato presso  1044398 INTERACTIVE GRAPHICS in Artificial Intelligence and Robotics LM-32 NESSUNA CANALIZZAZIONE SCHAERF MARCO (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG 1038137 - WEB INFORMATION RETRIEVAL (obiettivi) Obiettivi generali: Conoscenza dei principali scenari applicativi di interesse nell'analisi di collezioni di dati di grandi dimensioni. Conoscenza e comprensione dei principali problemi metodologici e di analisi posti dalla dimensione crescente dei dati. Conoscenza delle principali tecniche di soluzione e dei principali strumenti a disposizione per implementarle. Comprensione degli aspetti teorici e fondazionali delle principali tecniche per l'analisi di collezioni di dati di grandi dimensioni Capacità di tradurre le nozioni acquisite in programmi per la soluzione di problemi specifici. Conoscenza delle principali tecniche di valutazione e loro applicazione a scenari specifici. Obiettivi specifici: Capacità di: - individuare le tecniche più adatte a un problema di analisi di dati di grandi dimensioni; - implementare la soluzione proposta, individuando gli strumenti più adatti a raggiungere lo scopo tra quelli disponibili; - progettare e realizzare scenari sperimentali per valutare le soluzioni proposte in condizioni realistiche; Conoscenza e comprensione: - conoscenza dei principali scenari applicativi; - conoscenza delle principali tecniche di analisi; - comprensione dei presupposti teorici e metodologici alla base delle tecniche principali - conoscenza e comprensione delle principali tecniche e indici di valutazione delle prestazioni Applicare conoscenza e comprensione: - essere in grado di tradurre esigenze applicative in problemi concreti di analisi dei dati; - essere in grado di identificare gli aspetti del problema, se presenti, che potrebbero rendere la dimensione (o dimensionalità) dei dati un fattore critico; - essere in grado di individuare le tecniche e gli strumenti più adatti alla soluzione dei problemi concreti di cui sopra; - essere in grado di stimare a priori, almeno qualitativamente, la scalabilità delle soluzioni proposte; Capacità critiche e di giudizio: Essere in grado di valutare, anche sperimentalmente, l'efficacia, l'efficienza e la scalabilità delle soluzioni proposte Capacità comunicative: Essere in grado di descrivere in modo efficace le specifiche di un problema e di comunicare ad altri le scelte adottate e le motivazioni sottostanti a tali scelte. Capacità di apprendimento: Il corso consentirà lo sviluppo di capacità di approfondimento autonomo su argomenti del corso o ad essi correlati. Metterà lo studente nelle condizioni di individuare e consultare in modo critico manuali avanzati o letteratura scientifica per affrontare scenari nuovi oppure per applicare tecniche alternative a scenari noti. - Erogato presso  1038137 WEB INFORMATION RETRIEVAL in Engineering in Computer Science LM-32 NESSUNA CANALIZZAZIONE BECCHETTI LUCA, VITALETTI ANDREA (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG 1038133 - FORMAL METHODS (obiettivi) Obiettivi generali: L'obiettivo del corso è lo studio e l'approfondimento della qualità più importante del software: la correttezza. Lo studio della correttezza verrà affrontato con riferimento ad aspetti concettuali e realizzativi affrontando la modellazione e la verifica sia di aspetti statici che di aspetti dinamici. Gli argomenti vengono trattati dando enfasi ad aspetti metodologici e ad aspetti sperimentali utilizzando varie forme di logica (logica del prim'ordine, logiche dinamiche e logiche temporali) e vari strumenti per la verifica automatica. Risultati di apprendimento attesi: Alla fine del corso lo studente dovrebbe avere acquisito tecniche e metodi per la dimostrazione della correttezza dei programmi e degli schemi concettuali. Obiettivi specifici: Conoscenza e comprensione: I principali fondamentali dei metodi formali. L'uso di specifiche rigorose e formali e la loro verifica. Principi fondanti della logica per l'informatica, verifica formale di proprieta' dei dati e dei processi. Applicare conoscenza e comprensione: Essere in grado di affrontare l'analisi di correttezza di programmi attraverso metodi rigorosi e formali, sia relativamente ad aspetti relativi ai dati che ai processi. Capacità critiche e di giudizio: Essere in grado di valutare il rigore di una data argomentazione di correttezza dei programmi. Orientarsi nella scelta degli strumenti concettuali forniti dalla logica e i metodi formali per la verifica di proprieta' sia statiche che dinamiche. Capacità comunicative: Le attività di gruppo in classe e le esercitazioni del corso permettono allo studente di essere in grado di comunicare/condividere le conoscenze acquisite e confrontarsi con gli altri sui temi del corso. Capacità di apprendimento: Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, le modalità di svolgimento del corso, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso. - DE GIACOMO GIUSEPPE (programma) Introduzione ai metodi formali nel software. Uso di logiche per esprimere specifiche e proprietà statiche e dinamiche: logica del prim'ordine, query al prim'ordine, query congiuntive. Analisi e verifica di aspetti statici. Sintassi e semantica formale dei diagrammi concettuali, quali diagrammi delle classi UML e diagrammi Entità Relazione, verifica di proprietà statiche. Uso di logica del prim'ordine per il ragionamento automatico su tali diagrammi. Interrogazioni su diagrammi UML. Query answering di query congiuntive (e unioni di query congiuntive). Analisi e verifica di aspetti dinamici. Semantica operazionale astratta dei programmi: semantica di valutazione (intera computazione) e semantica di transizione (singolo passo della computazione). Precondizioni, postcondizioni e invarianti di un programma. Correttezza parziale e totale, Hoare Logic. Programmi reattivi/interattivi (a stati finiti) reattivi come sistemi di transizione (cf. semantica di transizione), astrazione. Punti fissi, teorema di Knaster-Tarski su least e greatest fixpoint, approssimanti di least e greatest fixpoint. Verifica di proprietà dinamiche e temporali su sistemi di transizione: Safeness, Liveness, Fairness, Strong Fairness. Logiche temporali per la verifica: LTL, CTL, CTL*, mu-calculus. Model checking per CTL. Model checking per mu-calculus. Model checking per LTL.   Dispense del corso, disponibili presso il sito del corso: http://www.dis.uniroma1.it/~degiacom/didattica (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG 1044414 - ADVANCED OPERATING SYSTEMS AND VIRTUALIZATION (obiettivi) Obiettivi generali: Gli obiettivi del corso Advanced Operating Systems and Virtualization sono legati all'acquisizione di metodologie teoriche e pratiche legate alla progettazione ed allo sviluppo di sistemi operativi moderni. Gli argomenti trattati sono calati all'interno dell'architettura hardware x86, con l'obiettivo di fornire allo studente competenze facilmente spendibili su architetture di elaborazione moderne e largamente diffuse. Le idiosincrasie dell'architettura x86 consentono di introdurre concetti legati alla portabilità del codice dei sistemi operativi e della loro modularizzazione interna, permettendo quindi di applicare i concetti e le competenze di più alto livello anche su altre architetture. Il caso di studio è il kernel Linux, di cui verranno mostrati gli internals di un numero non minimale di sottosistemi e relative strutture dati. In questo modo, lo studente potrà imparare le best practice per la progettazione e lo sviluppo di sistemi operativi. Durante tutto il corso, in maniera trasversale, verranno mostrati in maniera teorica e pratica aspetti legati alla sicurezza interna ed esterna dei sistemi operativi. In questo modo, lo studente avrà la possibilità di accrescere le proprie competenze in termini di sicurezza, potendo anche arrivare all'identificazione dei correnti limiti delle politiche di sicurezza dei sistemi, ed eventualmente di ragionare su modalità per estendere le stesse. Il corso ha anche come obiettivo quello di mostrare le tecniche e le metodologie atte a supportare la virtualizzazione di sistemi, sia sfruttando facility hardware che supporti software. La realizzazione di un progetto in tecnologia C che estenda l'attuale implementazione del kernel Linux permetterà agli studenti anche di migliorare le proprie competenze di programmazione in C. Obiettivi specifici: Conoscenza e comprensione: Lo studente acquisirà la capacità di leggere e comprendere il codice sorgente del kernel Linux. Questa capacità riflette la conoscenza degli aspetti teorici legati al funzionamento dei sistemi operativi, e delle necessità di sviluppo legate alle moderne architetture hardware. Applicare conoscenza e comprensione: Lo studente sarà in grado di progettare ed implementare nuovi sottosistemi all'interno del kernel Linux. Capacità critiche e di giudizio: Lo studente sarà in grado di valutare la qualità di un implementazione di un sistema software complesso, dal punto di vista della correttezza, delle performance e degli standard di sicurezza. Capacità comunicative: Lo studente sarà in grado di realizzare documentazioni di qualità elevata di sistemi software complessi e di utilizzare strumenti di sviluppo collaborativo. Inoltre, lo studente acquisirà proprietà di linguaggio tali da descrivere problematiche di correttezza e performance di sistemi software complessi. Capacità di apprendimento: Lo studente sarà in grado di leggere e comprendere sistemi software complessi e di identificare possibili problematiche di sicurezza. Questo consentirà di progettare e realizzare nuovi sistemi software complessi, di identificare politihche di mitigazione di attacchi, di studiare in maniera autonoma il funzionamento di altri sistemi software complessi. - Pellegrini Alessandro (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG 1022780 - CAPACITY PLANNING (obiettivi) Obiettivi generali: Obiettivo del corso è fornire le metodologie per la modellazione e valutazione degli impianti di elaborazione, relativamente al dimensionamento in fase di progettazione e al tuning in fase di esercizio. Il corso si propone di rendere disponibili gli strumenti necessari a un ingegnere per operare delle scelte tra più soluzioni architetturali, in considerazione sia delle prestazioni che del costo. Preliminarmente alle suddette metodologie vengono forniti gli elementi architetturali necessari al perfezionamento delle conoscenze sulle infrastrutture di elaborazione distribuite ad alte prestazioni, ad alta affidabilità e disponibilità. Risultati di apprendimento attesi: Alla fine del corso gli studenti saranno in grado di dimensionare un sistema di elaborazione con l'obiettivo di soddisfare i Service Level Agreement (SLA) fissati, SLA basati sia su indici tipici delle prestazioni che della dependability. Obiettivi specifici: Conoscenza e comprensione: Tecniche di tolleranza ai guasti, modellazione di sistemi di elaborazione per valutare la dependability e le prestazioni dei sistemi di elaborazione Applicare conoscenza e comprensione: Essere in grado di progettare e dimensionare un sistema di elaborazione complesso. Capacità critiche e di giudizio: Essere in grado di valutare la qualità di un sistema di elaborazione e verificarne la capacità a soddisfare le esigenze dei clienti e dei gestori. Capacità comunicative: Le attività progettuali e le esercitazioni del corso permettono allo studente di essere in grado di lavorare in un gruppo di progettisti multidisciplinare. Capacità di apprendimento: L’identificazione di modelli di sistemi reali permette agli studenti di apprendere in profondità da una parte le interazioni dei suoi componenti e dall’altra di capire il valore della rappresentazione dei sistemi di elaborazione. - CICIANI BRUNO (programma) Complementi di architetture, sistemi affidabili, attributi di affidabilità, applicazioni affidabili, compromissioni di affidabilità, tecniche di tolleranza ai guasti, architettura WWW, architettura Internet e standard WWW, client Web, mirror server Web, proxy, cache, CDN, server Web parallelo e distribuito, modellazione e metodologie di valutazione, Metodologia di pianificazione della capacità, Metodo combinatorio, Processo di Markov, Esempio di affidabilità, disponibilità, valutazione di sicurezza e prestazioni, Benchmark, Tecniche di valutazione di affidabilità, Tecniche di valutazione delle prestazioni, Concetti di prestazioni di base, Modello di prestazioni a livello di sistema, Livello di prestazioni a livello di componente, Modellazione e valutazione delle prestazioni del Web, Peculiarità del traffico Web, Power law, carico di lavoro, Modelli lato client, server senza cache proxy, server con proxy cache, Modelli lato server, Server singolo, Server con mirroring   • D. A. Menascé, V. A. F. Almeida: Capacity Planning for Web Performance, metrics, models and methods. Prentice Hall • L. Kleinrock: Queueing Systems, Volume1:Theory, John Wiley & Sons (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG 10589747 - INTERNET OF THINGS (obiettivi) Il corso è rivolto principalmente a ingegneri informatici e mira a fornire le competenze di base per progettare, implementare e testare un sistema pervasivo, vale a dire un sistema che consenta agli utenti di accedere ai servizi d'interesse sempre ed ovunque. Discuteremo le tecnologie, i protocolli, le funzionalità e algoritmi per realizzare un sistema pervasivo in grado di fornire servizi specifici (ad esempio servizi per gli utenti mobili, servizi per l'internet degli oggetti, ecc) soggetto ai vincoli tipici dei collegamenti wireless e alle risorse limitate del dispositivi che lo compongono (es. vincoli di energia, mobilità, rumore, potenza della CPU limitato, larghezza di banda limitata, ecc) - CHATZIGIANNAKIS IOANNIS (programma) The course introduces emerging application scenaria, studies characteristic design approaches of Pervasive systems and networks, examines essential algorithmic techniques and performance limits and provides the foundations for engineer algorithms in open-design. The course is organized in the following parts: - Part 1: Internet of Things: STM NUCLEO fast prototyping platform (Atollic TrueStudio development framework). IoT Lab for very large scale open real-world testbed. Riot-OS open-sources operating system. Machine-to-machine Communication (6LowPan - RPL, COAP, MQTT). Low-Power Wide-Area Networks (LPWAN - LoRa, The Things Network). Securing the Internet of Things (TinyDTLS). - Part 2: ''Intelligent Environments": Design aspects of Intelligent Environments. Experience/Interaction design. Ubiquitous Computing. Participatory sensing. Delay-Tolerant Networking. Sociable Smart Cities. - Part 3: "Programming Tools": Operating Systems and Embedded Solutions (AWS FreeRTOS, Arm Mbed, Zerynth). Back-end Infrastructure and Middleware (VerneMQ, InfluxDB, API.AI). Cloud Services (AWS IoT, IBM Watson Internet of Things, NodeRED, Blynk). Hardware Prototyping Platforms (Genuino 101, Particle, Estimote, Sensoro, AltBeacon).   Interconnecting Smart Objects with IP - The Next Internet By: Jean-Philippe Vasseur & Adam Dunkels The Internet of Things: Key Applications and Protocols By: Olivier Hersent, David Boswarthick, Omar Elloumi From Machine-to-Machine to the Internet of Things: Introduction to a New Age of Intelligence By:Jan Holler , Vlasios Tsiatsis , Catherine Mulligan , Stefan Avesand , Stamatis Karnouskos , David Boyle (Date degli appelli d'esame) - VITALETTI ANDREA 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG 1038134 - HUMAN COMPUTER INTERACTION (obiettivi) Obiettivi Generali: Obiettivo del corso è la presentazione dei principi fondamentali della interazione persona-calcolatore e dell’usabilità dei sistemi interattivi. Gli argomenti verranno trattati da vari punti di vista, coprendo aspetti teorici, metodologici, tecnologici ed applicativi, con riferimento sia alla situazione esistente, che ad aspetti avanzati in via di sviluppo. Alcuni aspetti avanzati dell’interazione, quali ambienti cooperativi, sistemi immersivi, interfacce intelligenti, ecc., vengono trattati in modo seminariale. Alla fine del corso lo studente dovrebbe aver acquisito non soltanto le conoscenze teoriche sulla materia, ma anche le tecniche e gli strumenti metodologici sufficienti per affrontare e condurre a termine il progetto di un sistema interattivo secondo un punto di vista centrato sull’utente finale (user-centered design). Obiettivi specifici: Conoscenza e comprensione: Metodologia di progettazione del software centrata sull’utente finale (user-centered design, UCD). In particolare, nel corso verranno analizzate tecniche avanzate per la raccolta ed analisi dei requisiti, modelli degli obiettivi (goals) e compiti (tasks) dell’utente, modelli dell’interazione e del sistema, tecniche e metodologie per la valutazione di usabilità. Applicare conoscenza e comprensione: Comprendere i concetti di interazione persona-calcolatore (o strumento in genere) e di usabilità. Essere in grado di condurre un progetto completo di sistema interattivo seguendo la metodologia UCD. Capacità critiche e di giudizio: Essere in grado di valutare l’usabilità di un sistema interattivo e la sua adeguatezza rispetto a compiti ed obiettivi degli utenti finali e dei committenti. Capacità comunicative: Le attività progettuali e le esercitazioni del corso permettono allo studente di essere in grado di comunicare/condividere i requisiti di un sistema interattivo, nonché le scelte progettuali e le metodologie di progettazione e sviluppo. Capacità di apprendimento: Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, le modalità di svolgimento del corso, in particolare le attività progettuali, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso. - CATARCI TIZIANA (programma) Concetti introduttivi Principi di usabilita’ La progettazione user-centered Modellazione dell’utente Task analysis Modellazione del dialogo persona-calcolatore Modelli del Sistema Tecniche di valutazione Tecnologie di supporto   A. Dix. et al. Human-Computer Interaction. Pearson/Prentice Hall, 2003 (terza edizione). Slide del corso (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG
- - A SCELTA DELLO STUDENTE	6		24	36	-	-	Attività formative a scelta dello studente (art.10, comma 5, lettera a)	ENG

Secondo anno

Primo semestre

Insegnamento	CFU	SSD	Ore Lezione	Ore Eserc.	Ore Lab	Ore Studio	Attività	Lingua
Gruppo opzionale: Insegnamenti Caratterizzanti - 4 Insegnamenti a scelta - (visualizza) 24                1044415 - MOBILE APPLICATIONS AND CLOUD COMPUTING (obiettivi) Conoscenza e capacità di comprensione. Il corso mira a fornire le conoscenze necessarie per la comprensione: (i) delle specificità delle app mobile rispetto a app desktop; (ii) dei principali pattern di progettazione per le app mobili; (iii) le principali problematiche legate alla sicurezza; (iv) dell’utilizzo dei principali servizi cloud di backend per applicazioni mobili; (v) delle metodologie di progettazione e sviluppo di semplici servizi di backend dispiegati su cloud; (vi) della classificazione dei modelli di servizio cloud Capacità di applicare conoscenza e comprensione. Lo studente dovrà essere in grado di progettare, sviluppare e testare applicazioni native per sistemi operativi android che interagiscano con servizi cloud usando i principali strumenti di sviluppo, test e progettazione ufficiali. Lo studente dovrà essere inoltre in grado di progettare/sviluppare e testare propri semplici servizi dispiegati su piattaforme cloud, di supporto alle applicazioni mobili Autonomia di giudizio. In base alle competenze acquisite, lo studente dovrà essere in grado di valutare i vantaggi gli svantaggi delle tecnologie con cui è possibile sviluppare app (applicazioni native, ibride e web based), valutare/ scegliere in modo ottimale e critico le funzionalità di supporto cloud per il funzionamento di applicazioni mobili; giudicare la fattibilità, complessità e le implicazioni di nuove possibili applicazioni, anche indicate da terzi. Inoltre, dovrà essere in grado di aggiornarsi autonomamente in base alle possibili future tecnologie relative ad app mobili o servizi cloud. Abilità comunicative. Lo studente dovrà essere in grado di motivare le scelte tecnologiche, metodologiche ed architetturali ad altre persone del settore, nonché di presentare, anche a persone non esperte, il funzionamento e le caratteristiche di possibili nuove applicazioni Capacità di apprendimento. Per stimolare la capacità di apprendimento verranno effettuati esercitazioni pratiche sui diversi argomenti trattati e verrà richiesto di usare criticamente informazioni disponibili per specifici problemi su varie piattaforme di discussione (es. Stack Overflow, siti ufficiali, blog, etc.) - BERALDI ROBERTO (programma) -caratteristiche dei dispositivi mobili -Il sistema operativo android -caratteristiche delle applicazioni mobile -progettazione e sviluppo di applicazioni mobile per android -applicazioni native, ibride, e web -utilizzo di servizi cloud (google maps, etc.) -progettazione e sviluppo backend per applicazioni mobile   Official developer android site (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1052057 - VISUAL ANALYTICS (obiettivi) L'obbiettivo del corso è di fornire una introduzione alle tecniche di Information Visualization e Visual Analytics correntemente utilizzate. In particolare, verranno analizzate le metodologie di visualizzazione di dati puramente numerici (tabelle, diagrammi) e le tecniche di rappresentazione (mapping di attributi del dataset rappresentato in attributi visuali), fornendo le competenze pratiche per implementarle in d3.js e integrarle con soluzioni algoritmiche standard di Visual Analytics. Successivamente, verranno introdotte le tecniche di dimensionality reduction, con particolare attenzione a PCA, MDS e t-SNE, presentando soluzioni pratiche in Python. Infine, verrà introdotto il problema della presentazione delle tecniche descritte, acquisendo competenze su come superare limiti di spazio e di tempo nelle visualizzazioni, e fornendo indicazioni sulle principali tecniche di interazione. - SANTUCCI GIUSEPPE (programma) Solo in inglese   Lucidi usati a lezione (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1038138 - DATA MINING (obiettivi) L'obiettivo del corso è duplice. In primo luogo, esso presenterà la teoria principale dietro l'analisi dei dati. In secondo luogo, sarà hands-on e alla fine gli studenti potranno acquisire familiarità con varie state-of-the-art strumenti e tecniche per l'analisi dei dati. Useremo Python per scaricare i dati così come le ricche biblioteche machine-learning, l'ambiente R per l'elaborazione statistica, e il quadro MapReduce per l'estrazione di dati su larga scala. - Erogato presso  1038138 DATA MINING in Engineering in Computer Science LM-32 ANAGNOSTOPOULOS ARISTIDIS (Date degli appelli d'esame) 6  ING-INF/05  24  -  -  -  Attività formative caratterizzanti  ENG 1041706 - KNOWLEDGE REPRESENTATION AND SEMANTIC TECHNOLOGIES (obiettivi) L'obiettivo del corso è di fornire una introduzione alla rappresentazione della conoscenza, con particolare attenzione riguardo ai linguaggi che sono il riferimento delle tecnologie semantiche attuali. In particolare, verranno analizzate le famiglie dei linguaggi di rappresentazione della conoscenza basate sul concetto di classe (class-based) e sul concetto di regola (rule-based), e verranno presentate le principali tecniche di ragionamento per tali linguaggi. Successivamente, verranno introdotte le tecnologie semantiche standard basate su tali formalismi di rappresentazione della conoscenza, in particolare i linguaggi RDF, OWL e RIF, con l'obiettivo di progettare e gestire una base di conoscenza ontologica. Infine, verrà introdotto il problema della rappresentazione e ragionamento su azioni. - ROSATI RICCARDO (programma) 1 - Formalismi basati su classi - Logiche descrittive - Ragionamento nelle logiche descrittive - Confronto con i formalismi di modellazione concettuale 2 - Formalismi basati su regole - Datalog - Ragionamento in Datalog - Negazione nei formalismi basati su regole - Answer Set Programming (ASP) - Ragionamento in ASP - Confronto con SQL 3 - Tecnologie semantiche - Semantic Web - RDF, RDFS, SPARQL - Linked data - Ontologie - OWL - Profili di OWL - Ragionamento in OWL - Costruzione di una ontologia OWL - Rule Interchange Format 4 - Ragionamento su azioni - Logiche per le azioni - Il Situation Calculus e il frame problem - Eseguibilità e proiezione http://www.diag.uniroma1.it/~rosati/krst/   Dispense distribuite dal docente (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1044410 - SYSTEM AND ENTERPRISE SECURITY (obiettivi) Gli odierni scenari legati alla cyber security ci testimoniano la sempre più pervasiva presenza di software malevolo utilizzato per perpetrare attacchi informatici. Il corso si propone di fornire agli studenti le conoscenze, i metodi e gli strumenti di base per analizzare, identificare, categorizzare e comprendere il comportamento dei software malevoli. Il corso adotterà un approccio pratico, con una importante componente di applicazione a casi reali. Risultati di apprendimento attesi Lo studente sarà in grado di analizzare sia in modo manuale, che tramite l'uso di strumenti automatizzati software malevolo di diversa natura per identificarne tutte le caratteristiche salienti. Sarà in grado di estrarne queste caratteristiche e relazionarle tra loro per associarle a comportamenti noti di questa categoria di software. - Erogato presso  1055681 MALWARE ANALYSIS AND INCIDENT FORENSICS in Cybersecurity LM-66 NESSUNA CANALIZZAZIONE QUERZONI LEONARDO, D'Elia Daniele Cono 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1044406 - BIG DATA COMPUTING (obiettivi) Obiettivi generali: Conoscenza dei principali scenari applicativi di interesse nell'analisi di collezioni di dati di grandi dimensioni. Conoscenza e comprensione dei principali problemi metodologici e di analisi posti dalla dimensione crescente dei dati. Conoscenza delle principali tecniche di soluzione e dei principali strumenti a disposizione per implementarle. Comprensione degli aspetti teorici e fondazionali delle principali tecniche per l'analisi di collezioni di dati di grandi dimensioni Capacità di tradurre le nozioni acquisite in programmi per la soluzione di problemi specifici. Conoscenza delle principali tecniche di valutazione e loro applicazione a scenari specifici. Obiettivi specifici: Capacità di: - individuare le tecniche più adatte a un problema di analisi di dati di grandi dimensioni; - implementare la soluzione proposta, individuando gli strumenti più adatti a raggiungere lo scopo tra quelli disponibili; - progettare e realizzari scenari sperimentali per valutare le soluzioni proposte in condizioni realistiche; Conoscenza e comprensione: - conoscenza dei principali scenari applicativi; - conoscenza delle principali tecniche di analisi; - comprensione dei presupposti teorici e metodologici alla base delle tecniche principali - conoscenza e comprensione delle principali tecniche e indici di valutazione delle prestazioni Applicare conoscenza e comprensione: - essere in grado di tradurre esigenze applicative in problemi concreti di analisi dei dati; - essere in grado di identificare gli aspetti del problema, se presenti, che potrebbero rendere la dimensione (o dimensionalità) dei dati un fattore critico; - essere in grado di individuare le tecniche e gli strumenti più adatti alla soluzione dei problemi concreti di cui sopra; - essere in grado di stimare a priori, almeno qualitativamente, la scalabilità delle soluzioni proposte; Capacità critiche e di giudizio: Essere in grado di valutare, anche sperimentalmente, l'efficacia, l'efficienza e la scalabilità delle soluzioni proposte Capacità comunicative: Essere in grado di descrivere in modo efficace le specifiche di un problema e di comunicare ad altri le scelte adottate e le motivazioni sottostanti a tali scelte. Capacità di apprendimento: Il corso consentirà lo sviluppo di capacità di approfondimento autonomo su argomenti del corso o ad essi correlati. Metterà lo studente nelle condizioni di individuare e consultare in modo critico manuali avanzati o letteratura scientifica per affrontare scenari nuovi oppure per applicare tecniche alternative a scenari noti. - BECCHETTI LUCA (programma) Calcolo su vasta scala e analisi di grafi di grandi dimensioni Approccio tradizionale e paradigma MPC (Map Reduce - like). Soluzione di problemi elementari usando Apache Spark Algoritmi MapReduce/Hadoop - like per il conteggio del numero di triangoli e il calcolo delle componenti connesse Principali approcci al problema dell'individuazione di comunità in grafi di grandi dimensioni Tecniche di Hashing e sampling per esplorazione del vicinato Esplorazione del vicinato e il problema dell'elevata dimensionalità dei dati in spazi euclidei Riduzione della dimensionalità in spazi euclidei e non mediante tecniche di hashing Esplorazione efficiente mediante tecniche di hashing e bucketing Riduzione dello spazio di ricerca mediante tecniche di sampling Riduzione della dimensionalità Approccio di base basato sulla decomposizione SVD Tecniche di sparsificazione Tecniche probabilistiche di proiezione in sottospazi a dimensionalità ridotta Tecniche di Sketching e sampling per stream di dati Stima dei momenti in finestre scorrevoli Tecniche di Sketching per la stima e il tracciamento di elementi frequenti Tecniche di Sketching per la stima della dimensione di join Tecniche di Sketching per grafi di grandi dimensioni, con applicazione a esplorazione del vicinato e analisi della struttura a comunità Versioni distribuite nel paradigma MapReduce Algoritmi di semi-streaming per grafi di grandi dimensioni   - Capitoli scelti di "Foundations of Data Science", by Avrim Blum, John Hopcroft, and Ravindran Kannan, available at https://www.cs.cornell.edu/jeh/book.pdf - Capitoli scelti di "Mining of massive datasets" (2nd edition). Cambridge University Press, 2014, by Jure Leskovec, Anand Rajaraman, and Jeffrey David Ullman. - Articoli scientifici e risorse on-line su argomenti specifici (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1044404 - WEB SECURITY AND PRIVACY (obiettivi) Obiettivi generali Il corso fornisce la conoscenza necessaria per affrontare consapevolmente tutti i temi relativi alla sicurezza delle applicazioni Web e le problematiche relative alla protezione della privacy. Per quanto riguarda la sicurezza delle applicazioni Web sarà presentata la classificazione delle minacce, delle tecniche di attacco e degli obiettivi degli attaccanti. Il corso presenta anche le strategie di base e una panoramica delle risorse a sostegno del progettista/sviluppatore al fine di conseguire la sicurezza "by-design". Particolare attenzione viene dedicata alla sicurezza dell'e-mail studiando minacce e contromisure. Il corso inoltre fornisce le conoscenze per la protezione della privacy, intesa secondo la moderna accezione e in riferimento a quanto previsto dal GDPR. Sono considerate le tecniche e gli strumenti realizzati per violare la privacy e relative contromisure. Altri temi di rilievo sono l’anonimato nelle transizioni economiche, nel rilascio di dati statisitici, nelle reti sociali e nelle reti in generale. Sono infine considerati gli aspetti economici e psicologici relativi all’utilizzo e alla cessione di dati sensibili e gli aspetti normativi relativi. Obiettivi specifici Capacità di - mettere in sicurezza le comunicazioni basata su email; - analizzare e valutare l'attendibilità di un messaggio email; - comprendere le minacce contro la sicurezza delle applicazioni web - comprendere e contrastare il tracking di utenti web - progettare applicazioni web nel rispetto delle linee guida OWASP - progettare applicazioni che proteggano adeguatamente dati personali e sensibili - effettuare transazioni economiche in anonimato - valutare l'adeguatezza delle misure di protezione dati in riferimento alla normativa nazionale ed europea Conoscenza e comprensione Conoscenza delle minacce contro le applicazioni web e l'email. Conoscenza delle minacce contro la privacy di utenti web. Comprensione del fenomeno del dark web Applicare conoscenza e comprensione Selezionare ed usare standard efficaci per mitigare le minacce alle applicazioni web e all'email. Progettare applicazioni che proteggono efficacemente dati personali, sensibili, aziendali, segreti industriali ecc. Capacità critiche e di giudizio: Essere in grado di valutare l'adeguatezza delle misure di sicurezza delle applicazioni e di protezione dei dati impiegate da una piccola/media impresa. Capacità comunicative: Essere in grado di interagire agevolmente ed efficacemente con specialisti di domini industriali e ICT per tutte le problematiche connesse alla sicurezza delle applicazioni, esigenze di anonimato e protezione dati. Saper motivare valutazioni e requisiti. Capacità di apprendimento: Saper leggere e comprendere documenti con standard tecnici e materiali relativi alla divulgazione di nuove minacce IT. Apprendere i diversi scenari di protezione dei dati che occorrono nella rete globale. - D'AMORE FABRIZIO (programma) Parte I Sicurezza web - modello internet email e sua messa in sicurezza (DKIM, SPF, ARC, PGP) - sicurezza delle applicazioni web, lato client (browser) e lato server - tracking utenti - anonimato su Internet - studio di casi Parte II Privacy   Parte I Sicurezza web Materiali pubblicati sul sito http://www.diag.uniroma1.it/~damore/was/ Parte II Privacy (Date degli appelli d'esame) - MARCHETTI SPACCAMELA ALBERTO 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 1055061 - SECURITY GOVERNANCE (obiettivi) - Conoscenza e comprensione L’obiettivo principale dell'insegnamento è di fornire un’introduzione a tutte le tematiche relative alla gestione della cybersecurity. In particolare, verrà mostrato allo studente come il problema della cybersecurity sia verticale rispetto all'organizzazione aziendale e che per tanto la sua gestione ne impatta diversi livelli. Verranno analizzati aspetti legati alle normative, ai regolamenti e agli standard sia Internazionali che Nazionali. Verrà poi discusso come, dal punto di vista metodologico, questi aspetti vengano recepiti e messi in atto attraverso la definizione di appositi framework per la gestione della cybersecurity. - Applicare conoscenza e comprensione Un altro aspetto fondamentale del corso sarà quello di fornire allo studente metodologie e strumenti per poter affrontare problemi aperti rispetto all'analisi, verifica e certificazione della cybersecurity. - Capacità critiche e di giudizio Lo studente acquisirà gli strumenti necessari per poter analizzare, valutare e comparare diverse situazioni e progettare le opportune contromisure per migliorare lo stato di sicurezza della realtà analizzata. - Capacità comunicative Lo studente apprenderà il linguaggio specifico del settore. - Capacità di apprendimento Lo studente sarà in grado di far proprie e riapplicare tutte le metodologie discusse durante il corso - Erogato presso  1055061 SECURITY GOVERNANCE in Cybersecurity LM-66 NESSUNA CANALIZZAZIONE BONOMI SILVIA (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG 10589744 - PROCESS MANAGEMENT AND MINING (obiettivi) ################### Obiettivi generali: ################### La corretta gestione dei processi rappresenta un elemento fondamentale per rendere le organizzazioni moderne più efficienti ed efficaci nella gestione del loro business. A tal scopo, questo corso introduce linguaggi, principi e metodi per la modellazione, l'analisi, l'innovazione ed il monitoraggio dei processi. Il corso enfatizza il ruolo della modellazione concettuale (business process modeling) come strumento necessario per comprendere ed analizzare i processi di interesse in sistemi informativi di varia natura. Gli studenti del corso apprenderanno la modellazione dei processi attraverso lo standard internazionale BPMN (Business Process Model and Notation). Il corso si focalizzerà sulla modellazione di processi di singole organizzazioni (orchestrazioni di processo) e processi che coinvolgono l'interazione fra organizzazioni multiple (coreografie di processo), investigando le tecniche formali necessarie per l'analisi e l'innovazione di tali processi. Il corso fornirà inoltre le conoscenze di base per la progettazione, l'implementazione ed il monitoraggio di processi eseguibili con un sistema informativo aziendale. Infine, il corso presenterà tecniche e strumenti per l'utilizzo delle recenti tecniche di process mining, che consentono la costruzione di modelli di processo (la cui struttura non è nota a priori) partendo dai log che memorizzano gli eventi concreti eseguiti dal processo reale. #################### Obiettivi specifici: #################### -------------------------- Conoscenza e comprensione: -------------------------- Al termine del corso gli studenti: - apprendono i principali metodi per condurre un progetto di BPM (Business Process Management); - sono in grado di modellare un processo con lo standard BPMN; - sono in grado di implementare ed eseguire un processo utilizzando un sistema informativo reale; - conoscono gli algoritmi e le tecniche di process mining. ------------------------------------ Applicare conoscenza e comprensione: ------------------------------------ Gli studenti sono in grado di utilizzare gli strumenti metodologici e tecnologici adeguati per: (i) modellare un processo in BPMN; (ii) analizzarlo con tecniche quantitative; (iii) eseguirlo e monitorarlo con un sistema informativo. -------------------------------- Capacità critiche e di giudizio: -------------------------------- Lo studente acquisice autonomia di giudizio nel proporre l’approccio più opportuno per realizzare un progetto di BPM. ---------------------- Capacità comunicative: ---------------------- Le attività progettuali e le lezioni del corso permettono allo studente di essere in grado di comunicare/condividere le scelte progettuali e le metodologie di progettazione e sviluppo di un processo di business. -------------------------- Capacità di apprendimento: -------------------------- Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, le modalità di svolgimento del corso, in particolare le attività progettuali, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso. - Erogato presso  10589744 PROCESS MANAGEMENT AND MINING in Ingegneria Gestionale LM-31 MARRELLA ANDREA (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG
Gruppo opzionale: Insegnamenti affini ed integrativi - 1 insegnamento a scelta - (visualizza) 6                1038138 - DATA MINING (obiettivi) L'obiettivo del corso è duplice. In primo luogo, esso presenterà la teoria principale dietro l'analisi dei dati. In secondo luogo, sarà hands-on e alla fine gli studenti potranno acquisire familiarità con varie state-of-the-art strumenti e tecniche per l'analisi dei dati. Useremo Python per scaricare i dati così come le ricche biblioteche machine-learning, l'ambiente R per l'elaborazione statistica, e il quadro MapReduce per l'estrazione di dati su larga scala. - ANAGNOSTOPOULOS ARISTIDIS (programma) Alcuni temi affrontati: - Text mining - Graph mining - Clustering - PCA and k-means - Deep learning and application on data mining - Neural network embeddings - Medeling, max likelihood, and EM - Basic topics in streaming - Association rules - Applications   J. Leskovec, A. Rajaraman, and J. Ullman, "Mining of Massive Datasets," Cambridge University Press Notes and papers (Date degli appelli d'esame) 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG 1044410 - SYSTEM AND ENTERPRISE SECURITY (obiettivi) Gli odierni scenari legati alla cyber security ci testimoniano la sempre più pervasiva presenza di software malevolo utilizzato per perpetrare attacchi informatici. Il corso si propone di fornire agli studenti le conoscenze, i metodi e gli strumenti di base per analizzare, identificare, categorizzare e comprendere il comportamento dei software malevoli. Il corso adotterà un approccio pratico, con una importante componente di applicazione a casi reali. Risultati di apprendimento attesi Lo studente sarà in grado di analizzare sia in modo manuale, che tramite l'uso di strumenti automatizzati software malevolo di diversa natura per identificarne tutte le caratteristiche salienti. Sarà in grado di estrarne queste caratteristiche e relazionarle tra loro per associarle a comportamenti noti di questa categoria di software. - Erogato presso  1055681 MALWARE ANALYSIS AND INCIDENT FORENSICS in Cybersecurity LM-66 NESSUNA CANALIZZAZIONE QUERZONI LEONARDO, D'Elia Daniele Cono 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG
- - A SCELTA DELLO STUDENTE	6		24	36	-	-	Attività formative a scelta dello studente (art.10, comma 5, lettera a)	ENG

Secondo semestre

Insegnamento	CFU	SSD	Ore Lezione	Ore Eserc.	Ore Lab	Ore Studio	Attività	Lingua
AAF1788 - SEMINARS IN ADVANCED TOPICS IN COMPUTER SCIENCE ENGINEERING (obiettivi) Obiettivi generali: L'obiettivo del corso è offrire agli studenti una serie di seminari, tenuti da un insieme di docenti e/o esperti nelle singole tematiche, sui più recenti trend nella ricerca e nella pratica dell'ingegneria informatica. Obiettivi specifici: Conoscenza e comprensione: Apprendere le ultime soluzioni della ricerca e dei prodotti commerciali del mondo ICT Applicare conoscenza e comprensione: Essere in grado di comparare soluzioni avanzate e prodotti commerciali Capacità critiche e di giudizio: Essere in grado di capire le differenze metodologiche tra le tematiche di ricerca nel campo ICT Capacità comunicative: Le attività seminariali del corso permettono allo studente di essere in grado di lavorare in un gruppo di progettisti multidisciplinare. Capacità di apprendimento: Apprendere le differenze metodologiche tra le tematiche di ricerca nel campo ICT permette agli studenti di apprendere le basi dell’innovazione tecnologica. - CICIANI BRUNO (programma) lista dei seminari cambia di anno in anno   Slide dei singoli seminari, articoli, ecc. distribuiti volta per volta (Date degli appelli d'esame) - NAPOLI CHRISTIAN (programma) Italiano: Il corso "ELECTIVE IN ARTIFICIAL INTELLIGENCE" è strutturato in quattro moduli principali: Introduzione e Presentazione del Corso: In questo modulo, verranno presentati gli obiettivi del corso, le aspettative e le risorse disponibili. Gli studenti riceveranno una panoramica delle principali tematiche che saranno trattate durante il corso, con un'introduzione ai concetti fondamentali di intelligenza artificiale, Machine Learning e Deep Learning. Preprocessing e Trasformazione del Dominio per il Machine Learning Avanzato: Questo modulo esplorerà le tecniche di preprocessing dei dati essenziali per la costruzione di modelli di apprendimento automatico efficaci. Verranno trattati argomenti come la normalizzazione, la standardizzazione, la gestione dei dati mancanti e le tecniche di trasformazione del dominio. Gli studenti impareranno a preparare i dati in modo da migliorare le prestazioni dei modelli. Machine Learning Avanzato e Deep Learning: In questo modulo, verranno approfonditi concetti avanzati di Machine Learning, incluse tecniche di ottimizzazione e regolarizzazione. Inoltre, si esploreranno in dettaglio le architetture di Deep Learning, come le reti neurali convoluzionali, ricorrenti e le reti neurali profonde, con applicazioni pratiche in diversi settori. Deep Learning Geometrico: L'ultimo modulo sarà dedicato al Deep Learning Geometrico, un campo emergente che unisce la geometria e l'apprendimento automatico. Gli studenti esploreranno come utilizzare grafi e altre strutture geometriche per costruire modelli di apprendimento in grado di catturare informazioni strutturali complesse. Verranno discussi casi d'uso avanzati e applicazioni in contesti reali.   "Deep Learning" di Ian Goodfellow, Yoshua Bengio, e Aaron Courville - Questo testo fornisce una base solida sui concetti di Deep Learning, coprendo sia gli aspetti teorici che pratici, ed è considerato un riferimento fondamentale nel campo. "Geometric Deep Learning: Grids, Groups, Graphs, Geodesics, and Gauges" di Michael M. Bronstein, Joan Bruna, Yann LeCun, Arthur Szlam, e Pierre Vandergheynst - Questo libro esplora l'intersezione tra la geometria e il Deep Learning, fornendo una panoramica approfondita delle tecniche di Deep Learning Geometrico. "Pattern Recognition and Machine Learning" di Christopher M. Bishop - Un testo essenziale per comprendere i fondamenti del Machine Learning avanzato e le tecniche di riconoscimento di pattern, utilizzato come riferimento per molte delle metodologie trattate nel corso. Materiale didattico fornito dal docente - Dispense, articoli scientifici e risorse aggiuntive saranno resi disponibili agli studenti per integrare lo studio e approfondire argomenti specifici trattati durante il corso.	6		24	36	-	-	Ulteriori attività formative (art.10, comma 5, lettera d)	ENG
Gruppo opzionale: Insegnamenti Caratterizzanti - 4 Insegnamenti a scelta - (visualizza) 24                1044408 - LARGE-SCALE DATA MANAGEMENT (obiettivi) Obiettivi generali: L'obiettivo del corso è di comunicare agli studenti i concetti di base della gestione dei sistemi informativi a larga scala. Verranno esaminati in dettaglio due argomenti specifici, vale a dire i modelli informativi per la gestione dei Big Data e l'integrazione delle informazioni. Entrambi gli argomenti sono estremamente rilevanti nella società basata sui dati, in cui praticamente tutti i sistemi informativi di organizzazioni di dimensioni ragionevoli devono sia gestire grandi set di dati sia interagire con diverse fonti di dati. Obiettivi specifici: Studiare i modelli di dati utilizzati nella gestione di Big Data, in particolare i modelli di dati NoSQL, che includono i modelli di dati basati sui grafi, su XML, su colonne, su coppie chiave-valore e su documenti, e acquisire familiarità con le nozioni e le tecniche per l'integrazione delle informazioni. Conoscenza e comprensione: Dopo il corso lo studente avrà una buona conoscenza delle differenze e delle somiglianze tra il modello relazionale e le varie classi di modelli di dati NoSQL. Inoltre, gli studenti capiranno le questioni teoriche relative all'integrazione e allo scambio dei dati e avranno una buona conoscenza delle varie architetture dei sistemi di integrazione delle informazioni. Applicare conoscenza e comprensione: Gli studenti saranno in grado di progettare il proprio repository Big Data utilizzando uno dei modelli di dati adottati nella pratica, di scegliere un'architettura appropriata per l'integrazione delle informazioni e di costruire e mantenere un sistema di integrazione delle informazioni strutturato in base all'architettura scelta. Capacità critiche e di giudizio: Lo studente sarà in grado di valutare i requisiti per un sistema di gestione di Big Data e sarà in grado di scegliere il giusto modello di dati e l'infrastruttura adeguata. Analogamente, lo studente sarà in grado di comprendere i requisiti per uno specifico sistema di integrazione delle informazioni e scegliere gli approcci e le tecniche appropriate per la progettazione di una soluzione di alta qualità. Capacità comunicativa: Gli studenti acquisiranno una buona conoscenza su come illustrare i risultati di un processo di progettazione, sia nel contesto della gestione dei Big Data, sia nel contesto dei sistemi di integrazione delle informazioni. Capacità di apprendimento: Lo studente sarà in grado di comprendere qualsiasi nuova architettura e approccio alla gestione dei Big Data e all'integrazione delle informazioni che diventeranno popolari in futuro. - LENZERINI MAURIZIO (programma) Sezione su Big Data Management - Introduzione ai Big Data - DataWarehousing: Architetture; ETL; modello multidimensionale; ROLAP vs. MOLAP; Metodologia di Progetto; Progettazione concettuale per DW: Dimensional Fact Model (DFM); ROLAP vs. MOLAP; Modellazione Logica nell'approccio ROLAP: Lo schema a stella; ROLAP: Lo schema snowflake; Progettazione Logica. - Database a Grafo: Confronto con i database relazionali; Implementazione di grafi; Interrogazione di database a grafo; Tipi di database a grafo; Il modello dati Resource Description Framework; RDFS; SPARQL; Linked Open Data - Database Aggregati: Modelli di dati aggregati per NoSQL: Key-value, document, column-family; Modellazione dei dati; Modelli Distribuiti; Consistenza: consistenza in lettura ed in aggiornamento; il CAP Theorem; il framework Map Reduce. Sezione su Information Integration - Architectures for information integration - Distributed data management - Data federation - Data exchange and data warehousing - ETL (Extraction, Transformation and Loading), data cleaning and data reconciliation - Data integration - Ontology-based data integration   Appunti e lucidi preparati dai docenti. (Date degli appelli d'esame) - LEMBO DOMENICO (programma) Big Data Management: --------------------------- - Introduzione ai Big Data - DataWarehousing: Architetture; ETL; modello multidimensionale; ROLAP vs. MOLAP; Metodologia di Progetto; Progettazione concettuale per DW: Dimensional Fact Model (DFM); ROLAP vs. MOLAP; Modellazione Logica nell'approccio ROLAP: Lo schema a stella; ROLAP: Lo schema snowflake; Progettazione Logica. - Database a Grafo: Confronto con i database relazionali; Implementazione di grafi; Interrogazione di database a grafo; Tipi di database a grafo; Il modello dati Resource Description Framework; RDFS; SPARQL; Linked Open Data - Database Aggregati: Modelli di dati aggregati per NoSQL: Key-value, document, column-family; Modellazione dei dati; Modelli Distribuiti; Consistenza: consistenza in lettura ed in aggiornamento; il CAP Theorem; il framework Map Reduce. Information Integration: ---------------------------- - Architectures for information integration - Distributed data management - Data federation - Data exchange and data warehousing - ETL (Extraction, Transformation and Loading), data cleaning and data reconciliation - Data integration - Ontology-based data integration   Appunti e Lucidi preparati dai docenti 6  ING-INF/05  24  36  -  -  Attività formative caratterizzanti  ENG
Gruppo opzionale: Insegnamenti affini ed integrativi - 1 insegnamento a scelta - (visualizza) 6                1047598 - SOCIAL NETWORKS AND ON-LINE MARKETS (obiettivi) L'obiettivo del corso è la presentazione di concetti per lo studio di reti sociali e di mercati online. Useremo delle teorie delle aree di algoritmi, statistica, economia e sociologia per studiare la struttura di reti complesse e per presentare modelli che ci permettano di capire come varie entità interagiscono fra di loro e dei fenomeni che si verificano da tale interazioni. - ANAGNOSTOPOULOS ARISTIDIS (programma) - Properties of social networks - Models for social networks - Communities in social networks - Network dynamics - Auctions in networks - Markets in networks   Networks, Crowds, and Markets: Reasoning About a Highly Connected World, by David Easley and Jon Kleinberg. (Date degli appelli d'esame) - SCHWIEGELSHOHN CHRIS RENE 6  ING-INF/05  24  36  -  -  Attività formative affini ed integrative  ENG
AAF1028 - PROVA FINALE (obiettivi) La prova finale consiste nella presentazione e discussione di un attività progettuale e di una relazione, supervisionata da un docente, nella quale lo studente dimostra di aver raggiunto una padronanza delle metodologie proprie dell'Ingegneria Informatica e/o della loro applicazione.	30		50	-	90	-	Per la prova finale e la lingua straniera (art.10, comma 5, lettera c)	ENG

• Contatti
• Accessibilità
• Mappa del sito

© Università degli Studi di Roma "La Sapienza" - Piazzale Aldo Moro 5, 00185 Roma T (+39) 06 49911 CF 80209930587 PI 02133771002

Obiettivi formativi