In questa pagina
Hai bisogno di aiuto? La Scuola di SMFN risponde alle tue domande |
|||
iscriversi? ti diciamo come fare |
come compilare il piano di studi |
||
più info? Date e scadenze? Manifesto degli Studi |
parliamo con le matricole -sezione del web- orientamento in ingresso |
||
Non sai come fare? CONTATTACI | |||
serve aiuto? parla coi tutor tutor-smfn-group(at)unifi.it |
serve aiuto? Ecco il modulo contatti |
Corso Magistrale in Informatica
presidente: Rosario Pugliese, pres-cdl.informatica(AT)unifi.it
Il Corso di Laurea Magistrale in Informatica è orientato verso una solida formazione teorica, metodologica e tecnologica nelle aree fondamentali dell’Informatica e nelle discipline che costituiscono elementi culturali fondamentali dell’Informatica. In particolare, si completeranno le conoscenze nei settori degli algoritmi, dei sistemi distribuiti, dei linguaggi di programmazione e dell’analisi dei dati e dei sistemi. Il laureato magistrale in Informatica può iscriversi all’Albo degli Ingegneri dell’Informazione (Albo professionale – Sezione A degli Ingegneri – Settore dell’Informazione) e accedere ai dottorati di ricerca in Informatica. Il Corso di Laurea Magistrale in Informatica è organizzato in due curricula:
https://www.informaticamagistrale.unifi.it/vp-145-curriculum-data-science.html
referente Donatella Merlini donatella.merlini(AT)unifi.it
Con il termine Data Science si identifica un campo di studi interdisciplinare, che ha per oggetto i metodi scientifici, le procedure e i sistemi per estrarre conoscenza, comprensione e potenziali previsioni da grandi quantità di dati, sia strutturati che non, nel rispetto della privacy degli individui. Allo scopo, la Data Science impiega teorie e metodi provenienti da vari campi dell’Informatica, della Statistica e della Matematica, ed in particolare da aree quali: Algoritmi, Classificazione, Data Mining, Database, Machine Learning, Metodi Numerici, Ottimizzazione, Sicurezza.
Obiettivi formativi: Il Curriculum Data Science mira a fornire una solida preparazione di base sulle tecniche, e i sottostanti principi teorici, che rendono possibile l’analisi dei dati. In particolare fornisce i presupposti scientifici per attività come individuare e campionare sorgenti di dati, organizzare e gestire in maniera efficiente grandi quantità di dati, tenendo conto dei vincoli imposti da software, hardware e banda di comunicazione, costruire modelli matematici per analizzare regolarità e pattern nascosti nei dati, o anche apprendere da essi, garantire che raccolta, trasmissione e analisi dei dati siano condotte senza rischi per la privacy, creare visualizzazioni che aiutino la comprensione dei dati e presentare e comunicare la conoscenza ricavata dai dati.
Sbocchi professionali: Il laureato magistrale in Data Science sarà in possesso delle competenze per rivolgersi direttamente ad aziende che, sul territorio o in ambito globale, operano nel campo dell’analisi dei dati di mercato e della “business intelligence”, ad istituzioni che per statuto trattano grandi quantità di dati (medici, finanziari, di censo, etc.), a imprese piccole o grandi che per la gestione delle loro attività si affidano a sistemi informativi complessi.
https://www.informaticamagistrale.unifi.it/vp-143-curriculum-cyber-physical-systems.html
referente Andrea Bondavalli, andrea.bondavalli@unifi.it
Un numero sempre maggiore di dispositivi fisici con cui interagiamo giornalmente o su cui si basano i servizi fondamentali per la nostra vita quotidiana è controllato da sistemi informatici. Questo fenomeno è catturato dal concetto di sistema cyber-fisico (Cyber-Physical System), cioè un sistema in cui gli elementi computazionali interagiscono strettamente con le entità fisiche tramite sensori e attuatori, controllando così processi individuali, organizzativi o meccanici tramite l’utilizzo delle tecnologie dell’informazione e della comunicazione (computer, software e reti). Il processo di realizzazione dei sistemi cyber-fisici, dalla loro progettazione fino alla messa in opera, è impegnativo e per migliorare la resilienza e la sicurezza dei sistemi cyber-fisici, servono strumenti di verifica e di certificazione, che assicurino la sopravvivenza dei sistemi in presenza di anomalie casuali, attacchi deliberati e, in generale, eventi critici imprevisti.
Obiettivi formativi: il Curriculum Resilient and Secure Cyber Physical Systems mira a fornire solide conoscenze e competenze, informatiche e ingegneristiche, per la definizione, progettazione, verifica e certificazione di sistemi complessi che caratterizzano vari settori emergenti quali l’Internet of Things, le Smart Factory e le Infrastrutture Critiche.
Sbocchi lavorativi: il laureato magistrale avrà le competenze indicate per rivolgersi ad aziende operanti nel campo della progettazione, sviluppo, validazione e certificazione di infrastrutture critiche, sistemi di sistemi, sistemi complessi.
B059 - INFORMATICA (Classe LM-18)
E57 - DATA SCIENCE Curriculum e regolamento didattico
E58 - RESILIENT AND SECURE CYBER PHYSICAL SYSTEMS Curriculum e regolamento didattico
Curriculum Data Science | I anno | |||
Sem. | Insegnamento | SSD | Docente | (60 CFU) |
I | Data Mining and Organization | INF/01 | D. Merlini / M. C. Verri |
12 |
Parallel Computing | ING-INF/05 | M. Bertini | 6 | |
II | Advanced Statistical Models - Mod. A | SECS-S/01 | L. Grilli / C. Rampichini |
6 |
Data Security and Privacy | INF/01 | M. Boreale | 9 | |
Algorithms and Programming for Massive Data | INF/01 | A. Marino | 9 | |
Corsi a scelta | 18 | |||
II anno | ||||
Sem. | Insegnamento | SSD | Docente | (60 CFU) |
I | Multivariate Analysis and Statistical Learning* | SECS-S/01 | A. Gottard | 6 |
Computational Learning | INF/01 | ? | 6 | |
II | Bayesian Statistics* | SECS-S/01 | C. VISCARDI A. CASSESE | 6 |
Attività di approfondimento | 3 | |||
Prova finale: sviluppo lavoro di tesi | 24 | |||
Prova finale | 3 | |||
Corsi a scelta | 18 | |||
Note | ||||
*un insegnamento a scelta tra gli insegnamenti contrassegnati | ||||
I corsi a scelta del I e II anno, per un totale di 36 CFU, dovranno essere chiaramente complementari alle conoscenze già acquisite ed essere così distribuiti: • 12 CFU dovranno essere scelti tra quelli in elenco A • 6 CFU dovranno essere scelti tra quelli in elenco B • 6 CFU dovranno essere scelti tra quelli in elenco C • 12 CFU sono a scelta libera e potranno essere scelti tra quelli in Elenco A, B o C ovvero tra i corsi offerti dall’Ateneo, purché coerenti con il curriculum degli studi. Tra questi corsi possono essere inseriti anche quelli attivati per lauree triennali. |
||||
TABELLA A | ||||
Sem. | Insegnamento | SSD | Docente | CFU |
I | Analysis of Algorithms and Data Structures | INF/01 | D. Merlini | 6 |
II | Advanced Programming Techniques | INF/01 | L. Bettini | 6 |
Computer Forensics | INF/01 | S. Pietropaoli | 6 | |
Computer Science Education | INF/01 | M.C. Verri / ? | 6 | |
Data Warehousing | INF/01 | C. Martelli / A. Gori |
6 | |
Information Retrieval and Semantic Web Technologies | INF/01 | E. Francesconi | 6 | |
Web mining | INF/01 | M. F. Marino | 6 | |
TABELLA B | ||||
Sem. | Insegnamento | SSD | Docente | CFU |
I | Introduction to Statistical Modelling | SECS-S/01 | C. Rampichini | 6 |
Fundamentals of Operational Research | MAT/09 | F. Tardella | 6 | |
Statistics for Spatial Data | SECS-S/01 | C. Bocci / E. Dreassi | 6 | |
Optimization Methods | MAT/09 | F. Schoen | 6 | |
II | Advanced Statistical Models - Mod. B | SECS-S/01 | L. Grilli / C. Rimpichini |
6 |
Stochastic Processes | MAT/06 | V. Vespri / G. Bert | 6 | |
Note | ||||
il corso Introduction to Statistical Modelling è pensato per gli studenti che hanno una preparazione nel settore SECS-S/01 insufficiente per affrontare il corso obbligatorio Advanced Statistical Models – Mod. A. | ||||
TABELLA C | ||||
Sem. | Insegnamento | SSD | Docente | CFU |
I | Elements of Numerical Calculus | MAT/08 | C. Bracco/ A. Sestini | 6 |
Numerical Methods for Graphics | MAT/08 | C. Giannelli | 6 | |
Note | ||||
il corso Elements of Numerical Calculus è pensato per gli studenti che hanno una limitata preparazione di base nel settore MAT/08 e in particolare NON deve essere scelto dagli studenti provenienti dalla Laurea triennale in Informatica dell'Università di Firenze. |
Curriculum Resilient and Secure Cyber Physical Systems | I anno | |||
Sem. | Insegnamento | SSD | Docente | (63 CFU) |
Annuale | Architecture, Model and Analysis of Cyber Physical Systems | INF/01 | A.Ceccarelli/ P.Lollini | 12 |
I | Resiliency, real time and certification | INF/01 | L. Paolo / F. Brancati | 6 |
Penetration Testing | INF/01 | F. Tiezzi | 9 | |
II | Advanced Programming Techniques | INF/01 | L. Bettini | 6 |
Corsi a scelta | 30 | |||
II anno | ||||
Sem. | Insegnamento | SSD | Docente | (57 CFU) |
I | Security Engineering | INF/01 | R. Pugliese | 9 |
Secure Wireless and Mobile Networks | ING-INF/03 | T. Pecorella | 6 | |
II | Attività di approfondimento | 3 | ||
Prova finale: sviluppo lavoro di tesi | 24 | |||
Prova finale | 3 | |||
Corsi a scelta | 12 | |||
Note | ||||
I corsi a scelta del I e II anno, per un totale di 42 CFU, dovranno essere chiaramente complementari alle conoscenze già acquisite ed essere così distribuiti: • 18 CFU dovranno essere scelti tra quelli in elenco A • 6 CFU dovranno essere scelti tra quelli in elenco B • 6 CFU dovranno essere scelti tra quelli in elenco C • 12 CFU sono a scelta libera e potranno essere scelti tra quelli in Elenco A, B o C ovvero tra i corsi offerti dall’Ateneo, purché coerenti con il curriculum degli studi. Tra questi corsi possono essere inseriti anche quelli attivati per lauree triennali. |
||||
TABELLA A | ||||
Sem. | Insegnamento | SSD | Docente | CFU |
I | Software Dependability | ING- INF/ 05 | A. Fantechi | 6 |
Algorithms and Programming for Massive Data | INF/01 | A. Marino | 6 | |
II | Architecture and methods for Software Engineering | ING- INF/ 05 | .-. | 6 |
Computer Forensics | INF/01 | S. Pietropaoli | 6 | |
Computer Science Education | INF/01 | M. C. Verri | 6 | |
Cyber Secutity and ICT policies | INF/01 | L. Martino | 6 | |
TABELLA B | ||||
Sem. | Insegnamento | SSD | Docente | CFU |
I | Multivariate analysis and statistical learning | SECS-S/01 | A. Gottard | 6 |
Statistical Inference | SECS-S/01 | A. Cassese | 6 | |
TABELLA C | ||||
Sem. | Insegnamento | SSD | Docente | CFU |
I | Elements of Numerical Calculus | MAT/08 | C. Bracco/ A.Sestini | 6 |
Advanced Numerical Analysis | MAT/08 | C. Conti / A. Papini | 6 | |
Approximation Methods | MAT/08 | L. Brugnano | 6 | |
II | Stochastic Processes | MAT/06 | V. Vespri / G. Bert | 6 |
Note | ||||
Il corso Elements of Numerical Calculus è pensato per gli studenti che hanno una limitata preparazione di base nel settore MAT/08 e in particolare NON deve essere scelto dagli studenti provenienti dalla Laurea triennale in Informatica dell’Università di Firenze. |
Ultimo aggiornamento
03.10.2022