INFORMATICA II - MOD. 2

Anno accademico
2025/2026 Programmi anni precedenti
Titolo corso in inglese
COMPUTER SCIENCE II - MOD. 2
Codice insegnamento
CT0570 (AF:441612 AR:254278)
Lingua di insegnamento
Italiano
Modalità
In presenza
Crediti formativi universitari
6 su 12 di INFORMATICA II
Livello laurea
Laurea
Settore scientifico disciplinare
ING-INF/05
Periodo
I Semestre
Anno corso
3
Sede
VENEZIA
Spazio Moodle
Link allo spazio del corso
L’insegnamento è una delle attività formative obbligatorie del Corso di Laurea in Ingegneria Fisica, e fornisce un'introduzione alla modellazione, simulazione e analisi di sistemi complessi, all'individuazione di soluzioni computazionali, e all'analisi della dinamica prodotta.
Conoscenza e comprensione dei principali metodi di modellazione e simulazione di sistemi complessi.
Conoscenza delle tecniche di Computational Intelligence adeguate per colmare i gap di conoscenza.
Comprensione e valutazione della complessità del problema, capacità di selezionare e implementare metodi adeguati di simulazione e analisi.
Conoscenza del linguaggio Python. Conoscenze di base di probabilità e statistica.
Modellazione e simulazione di sistemi complessi
Generazione di numeri casuali
Processi Markoviani e l’algoritmo di Simulazione Stocastica di Gillespie
Metodi di modellazione e simulazione avanzata: simulazione approssimata (tau leaping), rule-based, network-free, spaziale
Simulazione basata su agenti
Automi cellulari
Soluzione di equazioni differenziali ordinarie, simulazione ibrida e multi-scala
Equazioni di Langevin ed equazioni differenziali stocastiche
Analisi di dinamiche complesse: parameter sweep, sensitivity analysis
Stima di parametri e reverse engineering con metodi evolutivi e swarm intelligence
Ottimizzazione multi-obiettivo
Effetti emergenti della dinamica dei sistemi complessi: multistabilità, robustezza, chaos
Applicazioni di reti neurali allo studio di sistemi complessi
Slide e materiale vario disponibili sulla piattaforma di e-learning.

Letture integrative:
Munsky, Brian, William S. Hlavacek, and Lev S. Tsimring, eds. "Quantitative biology: theory, computational methods, and models". MIT Press, 2018.
Vanneschi, Silva. "Lectures On Intelligent Systems". Springer, 2023.
Esame scritto al 70% e presentazione di project work (30%)

scritto

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

Per quanto riguarda la gradazione del voto, a prescindere dalla modalità frequentante o non frequentante:

Punteggi nella fascia 18-22 verranno attribuiti in presenza di:
- sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma;
- limitata capacità di interpretazione dei risultati;
- sufficienti abilità comunicative, specie in relazione alla padronanza dei linguaggio e dei concetti tecnici.

Punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- discreta conoscenza e capacità di comprensione applicata in riferimento al programma;
- discreta capacità di interpretazione dei risultati;
- discrete abilità comunicative, specie in relazione alla padronanza dei linguaggio e dei concetti tecnici.

Punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- buona o ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
- buona o ottima capacità di interpretazione dei risultati;
- buone o eccellenti abilità comunicative, specie in relazione alla padronanza dei linguaggio e dei concetti tecnici.

La lode verrà attribuita in caso di eccellenza sotto tutti questi aspetti.
Didattica frontale, active learning, lezioni di laboratorio, seminari
Programma definitivo.
Data ultima modifica programma: 23/05/2025