Informatica a.a. 2022-2023

  • L'obiettivo specifico del corso di laurea magistrale è quello di formare figure professionali di alto livello che sappiano coniugare le conoscenze sui fondamenti della disciplina e le relative capacità metodologiche con le conoscenze e le capacità necessarie alla progettazione di tecnologie innovative. Il laureato magistrale in Informatica dovrà, a tal fine, acquisire una mentalità aperta e flessibile predisposta alla risoluzione di problemi ed al rapido apprendimento di metodologie e tecnologie innovative.

    Inoltre, dovrà entrare in possesso di una adeguata capacità di utilizzo del metodo scientifico. Queste conoscenze e capacità non riguardano soltanto la disciplina informatica: un aspetto caratterizzante del corso di laurea è infatti l'obiettivo di formare competenze e capacità fortemente interdisciplinari, rispondendo così alle esigenze sia della ricerca più avanzata, sia del mercato del lavoro: il carattere pervasivo dell'informatica richiede infatti figure professionali capaci di applicarla in molteplici settori produttivi, e di comprenderne gli impatti in un più ampio contesto culturale, sociale ed economico. Il nucleo delle competenze e conoscenze acquisite corrisponde agli obiettivi generali della classe di laurea magistrale, cioè ai settori scientifico-disciplinari caratterizzanti INF/01 e ING-INF/05.

    L'ampiezza di questi settori consente ricche possibilità di scelta, che saranno indirizzate ponendo particolare attenzione alle metodologie e tecnologie informatiche emergenti.

    Il laureato magistrale estende e rafforza le conoscenze teoriche, metodologiche, sistemistiche e tecnologiche, in tutte le discipline che costituiscono gli elementi culturali fondamentali dell'informatica già presenti nel primo ciclo (laurea di classe L-31). Il Corso di Laurea Magistrale in Informatica è inoltre caratterizzato da una marcata attività progettuale autonoma dello studente, stimolata dai diversi Corsi previsti verso domini diverse delle copetenze.

    Questo consente allo studente di rafforzare le sue capacità realizzative ed al contempo di svilupparne la capacità di giudizio e di risoluzione di problemi.

  • Il Corso di Laurea Magistrale in Informatica non è ad accesso programmato.

    Per essere ammessi al corso occorre essere in possesso della laurea o del diploma universitario di durata triennale, ovvero di un altro titolo di studio conseguito all'estero riconosciuto idoneo.

    La natura interdisciplinare dell’informatica rende possibile anche a studenti che abbiano conseguito la laurea in altri settori di accedere alla laurea magistrale in Informatica, purché in possesso dei necessari requisiti, la cui sussistenza andrà verificata nei singoli casi. Le modalità di ammissione sono formulate nel Regolamento del Corso di Laurea Magistrale in Informatica disponibile sul sito web del corso di laurea: http://www.informatica.uniroma2.it/index2.htm

  • Il Corso di Laurea Magistrale in Informatica è caratterizzato da una marcata attività progettuale autonoma dello studente, al fine di svilupparne la capacità di giudizio e risoluzione dei problemi.

    L'obiettivo specifico del corso di laurea magistrale è quello di formare figure professionali di alto livello che sappiano coniugare le conoscenze sui fondamenti della disciplina e le relative capacità metodologiche con le conoscenze e le capacita' necessarie alla progettazione di tecnologie innovative. Il laureato magistrale in Informatica dovra` acquisire una mentalita` aperta e flessibile predisposta alla risoluzione di problemi ed al rapido apprendimento di metodologie e tecnologie innovative.

    Inoltre potra` accedere ad attivita` lavorative che richiedano la conoscenza del metodo scientifico.

    Queste conoscenze e capacità non riguardano soltanto la disciplina informatica.

    Un aspetto caratterizzante del corso di laurea' è infatti l' obiettivo di formare competenze e capacità fortemente interdisciplinari rispondendo così alle esigenze sia della ricerca più avanzata, sia del mercato del lavoro.

    Il carattere pervasivo dell'informatica richiede infatti figure professionali capaci di applicarla in molteplici settori produttivi, e di comprenderne gli impatti in un più ampio contesto culturale, sociale ed economico. Il nucleo delle competenze e conoscenze acquisite corrisponde agli obiettivi generali della classe di laurea magistrale, cioè ai settori scientifico-disciplinari caratterizzanti INF/01 e ING-INF/05.

    L'ampiezza di questi settori consente ricche possibilità di scelta, che saranno indirizzate ponendo particolare attenzione alle metodologie e tecnologie informatiche emergenti.

    Il laureato magistrale estende e rafforza le conoscenze teoriche, metodologiche, sistemistiche e tecnologiche, in tutte le discipline che costituiscono gli elementi culturali fondamentali dell'informatica già presenti nel primo ciclo (laurea di classe L-31).

    Il laureato magistrale sarà quindi in grado di ideare e di effettuare la pianificazione, la progettazione, lo sviluppo, la direzione lavori, la stima, il collaudo, la definizione delle infrastrutture applicative e di sicurezza su reti eterogenee e la gestione di impianti e sistemi complessi e/o innovativi per la generazione, la trasmissione, l'estrazione, la protezione, l'archiviazione digitale di documenti e l'elaborazione delle informazioni, con specifico riferimento alle informazioni di carattere multimediale, anche quando implichino l'uso di metodologie avanzate, innovative o sperimentali e quando i requisiti di sicurezza, privatezza e riservatezza siano prevalenti sugli altri aspetti tecnologici. Il corso potrà essere articolato in curricula funzionali a specifiche esigenze formative. Ai fini indicati, i curricula del corso di laurea magistrale della classe prevedono in misura e forma adeguate agli specifici obiettivi: lezioni ed esercitazioni di laboratorio oltre a congrue attività progettuali autonome e congrue attività individuali in laboratorio; in relazione a obiettivi specifici, attività esterne come tirocini formativi presso aziende, strutture della pubblica amministrazione e laboratori, oltre a soggiorni di studio presso altre università italiane ed europee, anche nel quadro di accordi internazionali.

  • La determinazione dei requisiti curriculari che devono essere posseduti per l'ammissione verranno indicati nel regolamento didattico del corso di studio.

    Le modalità per la verifica della personale preparazione sono rimandate al regolamento didattico del corso di studio.

    In particolare considerato che gli obiettivi formativi della classe stabiliscono che 'I laureati nei corsi di laurea magistrale della classe devono essere in grado di utilizzare fluentemente, in forma scritta e orale almeno una lingua dell'Unione Europea oltre l'italiano, con riferimento anche ai lessici disciplinari', viene richiesto come requisito di accesso la conoscenza della lingua inglese.

    Corsi e test di conoscenza della lingua inglese sono erogati agli studenti che intendono iscriversi.

Informatica a.a. 2022-2023

  • MODEL-BASED SYSTEMS ENGINEERING Didattica Web

    Docente:

    Andrea D'ambrogio

    Programma

    PART 1 – INTRODUZIONE A SYSTEMS ENGINEERING Concetti di base di systems engineering. Modelli di ciclo di vita: waterfall, incremental, spiral. PART 2 – MODEL-BASED SYSTEMS ENGINEERING Modellazione di sistemi e linguaggi di modellazione (UML, SysML, BPMN, etc.). Applicazione allo sviluppo di sistemi software-intensive. PART 3 – MODEL-DRIVEN ENGINEERING Model-driven Engineering (MDE) e approccio MDE basato su Model Driven Architecture (MDA). Standard MDA (MOF, XMI, etc.). Linguaggi e strumenti di model transformation (QVT, ATL, etc.).

    Numero crediti

    9

    Obbligatorio

    No

    Lingua

    ITA
  • ALTRE ATTIVITA' FORMATIVE Didattica Web

    Numero crediti

    6

    Obbligatorio

    Lingua

    ITA
  • PROVA FINALE Didattica Web

    Numero crediti

    21

    Obbligatorio

    Lingua

    ITA
  • INGEGNERIA DELLA CONOSCENZA Didattica Web

    Docente:

    Armando Stellato

    Programma

    Introduzione ai dati aperti. I 5 livelli di qualità dei dati aperti fissati dalla W3C. Licenze sui dati: licenze libere/aperte. Dati, metadati, vocabolari dei dati, ontologie, tesauri: ambiguità terminologiche in uno scenario inerentemente intersettoriale. Il valore economico dei dati. Open Data per il dominio dei Patrimoni Culturali. Il Web Semantico: una introduzione. Il Web Semantico e gli Open Data: Linked Open Data e il Web. Modelli dei dati e della conoscenza per il Web. Multilingualità e diffusione: aspetti denotazionali, proprietà terminologiche e modelli di lessico avanzato. Interazione lessico-semantica. SPARQL: un linguaggio di interrogazione dei dati RDF & assieme un protocollo di accesso ai dati aperti Metadati: importanza dei metadata e nel loro ruolo per l’autonomia delle macchine nel web LOD Cloud: la “nuvola” dei Linked Open Data nel Web, un bootstrap del Semantic Web, ma anche una contraddizione in essere Dataset repositories e portali; Tecnologie per i Linked Open Data: Triple stores. RDF API & Middleware. Ontology Editors, Thesauri Editors, differenti paradigmi e dimensioni d’uso ETL in chiave RDF: triplificazione di sorgenti legacy e/o non strutturate. Pubblicazione dei dati aperti: standard & best practices

    Numero crediti

    6

    Obbligatorio

    No

    Lingua

    ITA
  • LOGICA MATEMATICA 1 Didattica Web

    Docente:

    Paolo Lipparini

    Programma

    Paradossi. Sistemi formali. Linguaggi. Formule ben formate. Assiomi. Dimostrazioni in senso formale. Calcolo delle proposizioni. Calcolo dei predicati del primo ordine. Modelli. Soddisfacibilità. Teorie del primo ordine. Teoremi di completezza e compattezza. Applicazioni. Modelli non standard. Teoremi di incompletezza. Conseguenze. Costruzioni di modelli. Teoremi di Lowenheim Skolem. Assiomi della teoria degli insiemi e loro formalizzazione. Analisi non standard.

    Numero crediti

    8

    Obbligatorio

    No

    Lingua

    ITA
  • WEB MINING AND RETRIEVAL Didattica Web

    Docente:

    Roberto Basili

    Programma

    Richiami ai metodi base di ML. Metodi Supervised vs. Unsupervised. Paradigmi di ML, Metodi di addestramento. Machine Learning Metrics and Evaluation. Introduzione alla modellazione dei documenti per il Web: dall’Information Retrieval al Natural Language Processing. Modelli di Linguaggio. Processi Markoviani. Modelli Generativi: HMM. Use Case: Probabilstic POS tagging PAC Learnability. Perceptron SVM. Hard Margin. Soft margin SVM. Kernel polinomiali. Sequence Kernels. Kernel for NLP. Tree Kernels. Semantic Tree kernels Deep Learning. Intro e Background. NNs: tasks and Training. Convolutional Neural Networks. Recurrent Neural Networks. Attention. Trasformers. Deep Learning Software Development. NN in Python. Language Modeling con modelli neurali. Temi avanzati: attention; encoding-decoding; adversarial NNs; transformers. Web and Lexical Semantics: the role of lexical learning in Web scenarios. Opinion Mining e Sentiment Analysis: il taks, le risorse e le metodologie principali Advanced Statistical NLP for QA (from NERC & SRL to QA) Advanced Machine Learning for the Web: Learning to Rank, Recommending systems

    Numero crediti

    9

    Obbligatorio

    No

    Lingua

    ITA
Corso
  • Titolo: Informatica
  • Anno Accademico: 2022/2023
  • Tipo: Magistrale
  • Manifesto: 9ef98ba7-e4ce-4a10-b93f-dccfa7f253c5
  • ISCED: 0688
Info