ENGLISH VERSION
- Didattica
- INFORMATICA APPLICATA (MACHINE LEARNING E BIG DATA)
INFORMATICA APPLICATA (MACHINE LEARNING E BIG DATA)
http://informatica.uniparthenope.it
Il cds in breve
Il Corso di studio Laurea Magistrale in INFORMATICA APPLICATA (Machine Learning e Big Data) (LM-18 legge 240/2010) ha durata biennale, prevede 12 esami e una prova finale di discussione della Tesi di Laurea, per un totale di 120 Crediti Formativi Universitari. Il Corso di Laurea Magistrale è riservato a possessori di Laurea (triennale) o di Laurea del Vecchio Ordinamento (lauree quadriennali o quinquennali).
E' prevista la possibilità di iscrizione "NON a Tempo pieno", che consente una riduzione delle tasse di iscrizione ed è fortemente consigliata agli studenti lavoratori e agli studenti che intendono lavorare durante gli studi o che per altre ragioni non possono garantire un impegno a tempo pieno.
Il Corso di studio copre i fondamenti matematici e statistici e i metodi per il Machine Learning (apprendimento automatico) con l'obiettivo di modellare e scoprire i modelli dalle osservazioni e tutte le tecnologie e gli strumenti per gestire i Big Data. Lo studente acquisirà inoltre esperienza pratica su come abbinare, applicare e implementare tecniche di Machine Learning rilevanti per risolvere problemi reali in una vasta gamma di domini applicativi, anche usando le tecnologie abilitanti dell'High Performance e GPGPU Computing, del Cloud Computing e di Internet of Things
Gli insegnamenti descrivono come l'apprendimento automatico viene utilizzato per risolvere problemi in particolari domini applicativi come la visione artificiale, il recupero di informazioni, l'elaborazione del parlato e del linguaggio, la biologia computazionale e la robotica.
Una volta terminato il programma, lo studente avrà acquisito la fiducia e l'esperienza per proporre soluzioni rintracciabili a problemi di apprendimento potenzialmente non standard che è possibile implementare in modo efficiente e affidabile. Il programma offre una carriera nell'industria (una start-up o una compagnia tradizionale ben consolidata) e prepara anche per ulteriori studi di dottorato.
Piano di studi
Obiettivi formativi
L'obiettivo del Corso di Laurea Magistrale in Informatica Applicata (Machine Learning e Big Data) è la creazione di figure professionali e scientifiche con competenze approfondite e critiche nel campo delle metodologie, delle tecniche e degli strumenti dell'Informatica e nell'applicazione di questi a contesti applicativi reali.
In particolare, vengono approfondite le tematiche del Machine Learning e Big Data.
La disciplina scientifica del Machine Learning si concentra sullo sviluppo di algoritmi per trovare modelli o fare previsioni da dati empirici. La disciplina è sempre più utilizzata da molte professioni e industrie (ad esempio produzione, vendita al dettaglio, medicina, finanza, robotica, telecomunicazioni), in quanto consente l'estrazione e la comprensione di informazione in grandi quantità di dati digitali per risolvere problemi difficili come la comprensione del comportamento umano e fornire allocazione efficiente delle risorse. Come da studi recenti, la domanda di laureati con competenze sostanziali nell'apprendimento automatico supera di molto l'offerta. La richiesta di scienziati con una conoscenza del Machine Learning aumenta man mano che aumenta la quantità di dati nel mondo.
Non sorprende pertanto che una delle figure chiave del lavoro del 21° secolo sarà quella dello scienziato dei dati. Negli ultimi anni, le analisi sulle richieste di posti di lavoro hanno costantemente classificato matematici, statistici e informatici tra i lavori migliori e più richiesti, con scenari futuri ancora migliori.
Dopo la laurea magistrale in Informatica Applicata (Machine Learning e Big Data) è possibile intraprendere diverse carriere, quali quelle di analista e ingegnere di software, esperto di deep learning, esperto della visione artificiale, analista dei dati, analista quantitativo, e più genericamente scienziato dei dati.
Tra le attività che i laureati svolgeranno si indicano in particolare:
- l'analisi e la formalizzazione di problemi complessi, in vari contesti applicativi;
- la progettazione e lo sviluppo di sistemi informatici innovativi per la loro soluzione;
- l'analisi dell'applicabilità nei settori dell'industria, dei servizi, dell'ambiente, della sanità, dei beni culturali e della pubblica amministrazione.
Il Corso di Laurea Magistrale in Informatica Applicata (Machine Learning e Big Data) fornisce, pertanto, una ampia formazione teorica, metodologica, e tecnologica nell'ambito del Machine Learning e Big Data e delle sue applicazioni.
Gli obiettivi del programma sono:
- preparare gli studenti per una carriera gratificante nell'informatica e nella tecnologia dell'informazione in generale.
- fornire agli studenti una comprensione critica delle tendenze emergenti e della ricerca, nonché una consapevolezza di come queste tecniche possano essere adattate nelle applicazioni industriali.
- fornire agli studenti un'esperienza pratica in modo che possano apprezzare le esigenze degli utenti finali della tecnologia e affrontare i problemi relativi alla progettazione e alla successiva gestione e alle prestazioni del software distribuito su larga scala.
- offrire agli studenti l'opportunità di acquisire competenze in tecniche aggiornate che portano a capacità professionali avanzate.
- offrire agli studenti l'opportunità di prepararsi per gli studi di dottorato di ricerca di base ed industriale.
Descrizione del percorso formativo
In sintesi, il percorso formativo del CdS si articola su tre aree:
- Area dell'Informatica Avanzata, con riferimento ai suoi contenuti tecnico-scientifici e ai suoi aspetti metodologici;
- Area Scientifica di supporto, con riferimento agli strumenti scientifici e metodologici necessari per operare e progettare applicazioni informatiche innovative
- Area di Specializzazione, con riferimento alle pratiche ed alle tecnologie più importanti nei diversi settori specialistici dell'informatica
Il programma inizia con corsi obbligatori di apprendimento automatico, intelligenza artificiale, un corso avanzato di apprendimento automatico e metodologia di ricerca, che forniscono un'introduzione e solide basi sul campo.
Gli studenti hanno la possibilità di seguire più corsi teorici di base in matematica applicata, statistica e apprendimento automatico. Di particolare interesse per molti sarà la possibilità di conoscere e comprendere in dettaglio il campo del deep learning attraverso diversi corsi all'avanguardia.
I corsi prevedono, di norma, lo sviluppo di progetti che permettono allo studente di confrontarsi direttamente con gli strumenti informatici più avanzati e con la risoluzione di problemi. Tutte le attività sopra esposte permettono agli studenti di interagire con i docenti del corso di Laurea per lo sviluppo di ricerche nelle varie tematiche dell'Informatica.
I corsi descriveranno come l'apprendimento automatico viene utilizzato per risolvere problemi in particolari domini applicativi come la visione artificiale, il recupero di informazioni, l'elaborazione del parlato e del linguaggio, la biologia computazionale e la robotica.
Il programma ha corsi opzionali che possono essere scelti tra una adeguata gamma di corsi per specializzare ulteriormente nel campo di interesse o estendere le conoscenze a nuove aree nell'ambito dell'apprendimento automatico.
La prova finale è dedicata a un progetto di laurea che prevede la partecipazione a ricerche avanzate o progetti in un ambiente accademico o industriale. Con questo progetto, lo studente deve dimostrare la propria capacità di eseguire lavori di progetto indipendenti, utilizzando le competenze ottenute dai corsi del programma.
Competenze attese
L'obiettivo generale degli insegnamenti inclusi in questa area è quello di fornire le basi scientifiche, metodologiche e tecnologiche per lo sviluppo e la progettazione, nonchè la gestione di sistemi informatici complessi. I contenuti riguardano i principali settori dell'informatica: machine learning, intelligenza artificiale, la gestione e l’analisi di dati, gestione, analisi e elaborazione di dati multimediali, aspetti teorico-pratici dei sistemi operativi distribuiti.
Gli obiettivi di apprendimento attesi dal laureato riguarderanno la conoscenza e la comprensione dei seguenti argomenti:
IA-1: gli aspetti teorici e pratici alla base dei problemi di classificazione e clustering in pattern recognition, con particolare attenzione all’apprendimento automatizzato ed estrazione di informazione da dati.
IA-2: analisi e comprensione di immagini e video (geometria della formazione dell’immagine, ricostruzione 3D da multi-vista, tracking bayesiano e by detection, rappresentazione hand-crafted e deep di immagini e video, tecniche di comprensione di immagini e video)
IA-3: principi, applicabilità e limiti delle reti neurali, anche di tipo deep
IA-4: i principi base della fisica quantistica, del teletrasporto e del computer quantistico.
IA-5: basi di dati spaziali, NoSQL, NewSQL, parallele, distribuite e per la gestione di dati sensore
IA-6: gestione di Basi di Dati relazionali, immaginando ed implementando funzionalità evolute e padroneggiando il linguaggio PL/SQL e i rudimenti di JSP.
IA-7: comprensione del ruolo dei sistemi informativi aziendali e degli strumenti per analizzare, visualizzare, organizzare e comprendere i dati aziendali.
IA-8: nuove metodologie e tecniche di sviluppo di software basate sul linguaggio Java e/o Python per l'analisi e l'elaborazione di dati Multimediali.
IA-9: gli aspetti teorico-pratici dei sistemi operativi distribuiti, i possibili limiti che tali aspetti inducono sui servizi che essi offrono, con particolare riguardo ai moderni paradigmi di programmazione, ambienti di sviluppo e strumenti SW, necessari per lo sviluppo di efficienti applicazioni distribuite.
Gli insegnamenti inclusi in questa area permetteranno allo studente di acquisire le seguenti capacità:
IA-10: dimostrare di saper utilizzare la propria conoscenza acquisita per analizzare dataset complessi e di grosse dimensioni con la finalità di saper applicate e parametrizzare le più sofisticate tecniche ed algoritmi per l’estrazione della conoscenza ai dati.
IA-11: dimostrare di saper utilizzare la propria conoscenza acquisita per applicare le reti neurali in contesti concreti, anche di tipo aziendale.
IA-12: dimostrare di saper comprendere il principio di funzionamento del computer quantistico facendo riferimento ai principi di base della fisica quantistica acquisiti durante il corso.
IA-13: dimostrare capacità di sviluppo e analisi di complessità di algoritmi e validazione del software facendo uso di tecniche avanzate per l'elaborazione dei dati multimediali.
IA-14: dimostrare, inoltre, per l'uso e la scelta consapevole di librerie e sistemi software per i principali ambiti applicativi e in particolare per il progetto e l'analisi di applicazioni multimediali e Web.
IA-15: dimostrare di saper utilizzare la propria conoscenza acquisita per individuare correttamente e produrre le soluzioni per i problemi reali che la gestione/uso di sistemi distribuiti presenta..
IA-16: progettazione e sviluppo di un sistema basato su DBMS di nuova generazione per la gestione di dati caratterizzati da alta dinamicità, varietà e volume.
IA-17: comprensione del funzionamento interno di un DBMS e capacità di identificare possibili criticità in base al dominio applicativo dei dati.
IA-18: fondamenti delle architetture per la gestione dei big data, comprensione delle problematiche sui big data e la implementazione di software e analytics.
...
L'obiettivo generale degli insegnamenti inclusi in questa area è fornire le basi scientifiche affini all'informatica, necessarie per il completamento del bagaglio di conoscenza del laureato, fornendo gli strumenti scientifici e metodologici necessari per progettare soluzioni informatiche ad elevata innovazione in diversi settori applicativi.
Gli obiettivi di apprendimento attesi dal laureato riguarderanno la conoscenza e la comprensione dei seguenti argomenti:
AS-1: strumenti matematici necessari per attuare processi decisionali ottimizzanti in vari ambiti applicativi di interesse per gli informatici
AS-2: aspetti avanzati dell’analisi numerica e del calcolo scientifico, con particolare riguardo all’algebra lineare, all’approssimazione, ai sistemi di equazioni differenziali e all’analisi di Fourier, in un contesto sia teorico sia applicativo
AS-3: dimostrare di saper utilizzare la propria conoscenza acquisita per risolvere i principali problemi dell’elettromagnetismo, anche quando essi appaiono in contesti concreti.
AS-4: dimostrare di saper comprendere il principio di funzionamento del computer quantistico facendo riferimento ai principi di base della fisica quantistica acquisiti durante il corso.
AS-5: i fondamenti del calcolo parallelo, l’organizzazione della gerarchia della memoria dell’ambiente CUDA sia hardware che software e le strategie di parallelizzazione per alcuni nuclei computazionali di base della programmazione con e senza l’uso della shared memory.
Gli insegnamenti inclusi in questa area permetteranno allo studente di acquisire le seguenti capacità:
AS-6: risolvere computazionalmente problemi avanzati della matematica applicata, anche quando essi appaiono in contesti concreti e in altre discipline applicative
AS-7: sviluppare algoritmi numerici e analizzarli dal punto di vista dell’accuratezza e della complessità, al fine di produrre software scientifico utilizzabile per risolvere efficacemente una varietà di problemi concreti in Data Science, Simulazioni e Trasformate.
AS-8: competenze analitiche di alto livello la modellazione matematica di problemi di decisione e per determinare la migliore soluzione possibile per il problema in esame.
AS-9: dimostrare di saper utilizzare la propria conoscenza acquisita per risolvere i principali problemi dell’elettromagnetismo, anche quando essi appaiono in contesti concreti.
AS-10: dimostrare di saper comprendere il principio di funzionamento del computer quantistico facendo riferimento ai principi di base della fisica quantistica acquisiti durante il corso.
AS-11: dimostrare di saper impiegare le strategie studiate e le API di CUDA per sviluppare algoritmi in ambiente multicore/GPU, sfruttando le conoscenze relative alle problematiche della parallelizzazione in ambiente ibrido ad alte prestazioni.
...
Quest'area comprende insegnamenti informatici offerti con l'intento di consentire l'approfondimento delle pratiche e delle tecnologie più importanti nei diversi settori specialistici dell’informatica, oppure con l'intento di consentire l'approfondimento di alcuni degli aspetti fondamentali dell'informatica e della ricerca nella disciplina. L'obiettivo principale di questo gruppo di insegnamenti è quello di caratterizzare il profilo individuale dello studente, consentendogli di creare un piano personalizzato a seconda dei suoi interessi ed inclinazioni.
Gli obiettivi di apprendimento attesi dal laureato riguarderanno la conoscenza e la comprensione dei seguenti argomenti:
ASp-1: teorie e tecniche di computer vision, rivolte all’acquisizione, l’elaborazione, l’analisi di immagini/video e all’interpretazione del loro contenuto;
ASp-2: analisi e comprensione di immagini e video (geometria della formazione dell’immagine, ricostruzione 3D da multi-vista, tracking bayesiano e by detection, rappresentazione hand-crafted e deep di immagini e video, tecniche di comprensione di immagini e video)
ASp-3: fondamenti tecnologici dell’Internet of Things (architetture hardware e software, sistemi operativi, toolkit di sviluppo per applicazioni );
ASp-4: fondamenti di sicurezza digitale (algoritmi di cifratura, i protocolli crittografici e le criptovalute)
Gli insegnamenti inclusi in questa area permetteranno allo studente di acquisire le seguenti capacità:
ASp-5: applicare tecniche di data mining nell’ambito di problemi e caso di studio concreti, interpretando e argomentando opportunamente i risultati dell’analisi;
ASp-6: applicazione di tecniche avanzate di cyber security per la realizzazione di applicativi efficienti ed economici;
ASp-7: progettare e sviluppare realizzare specifici moduli di un sistema di visione artificiale utilizzando le librerie maggiormente diffuse;
ASp-8: progettazione e realizzazione di sistemi per l'elaborazione e l'analisi di immagini tramite un calcolatore;
ASp-9: progettare e sviluppare applicazioni embedded per Internet of Things;
ASp-10: utilizzo di framework allo stato dell’arte per la gestione ed analisi di big data anche di tipo geografico.
...
Sbocchi occupazionali
Lo Specialista in Machine Learning (https://www.talentlyft.com/en/resources/machine-learning-expert-job-description), è una figura professionale informatica altamente specializzata che si occupa di progettazione e sviluppo di sistemi software basati su algoritmi di Machine Learning.
La figura professionale:
- progetta e sviluppa algoritmi di machine learning;
- progetta e sviluppa nuovi algoritmi;
- progetta e sviluppa metodi analitici di supporto per l' analisi dei dati;
- fornisce supporto tecnico all' area commerciale dell' azienda partecipando alla stesura di proposte commerciali e/o richieste di finanziamento.
Per lo svolgimento delle funzioni sopra descritte sono richieste:
- la conoscenza delle principali tecniche di Machine e Deep Learning;
- una profonda conoscenza della Programmazione, ad oggetti, e parallela, che gli permettono di progettare ed implementare in modo efficiente gli algoritmi di Machine Learning;
- la capacità di sviluppare nuovi algoritmi o tecniche di Machine Learning;
- solide competenze nell' elaborazione dei dati multimodali, nella computer vision, e nelle tecnologie abilitanti (Internet of Things, Cloud and High Performance computing) che gli permettono di implementare applicazioni di machine learning in tali domini;
- conoscenze di tecniche di Intelligenza Artificiale e di Data Mining;
- capacità di auto-apprendimento e di aggiornamento continuo.
Lo Specialista in Machine Learning trova collocazione presso:
- centri e dipartimenti di Ricerca e Sviluppo di grandi aziende informatiche;
- startup ad alto contenuto tecnologico;
- grandi aziende fornitrici di servizi (operatori telefonici, banche, assicurazioni, utilities)
- enti pubblici di ricerca.
Lo Specialista in Big Data (https://www.aicanet.it/documents/10776/2337363/OCD_2018_nonICT_navigabile/6fd189d0-0462-4d84-b1f1-6615f37aa965), è una figura professionale informatica altamente specializzata che si occupa dell' analisi e gestione di grandi quantità di dati (Big Data).
La figura professionale:
- si occupa della raccolta e della gestione dei Big Data, curandone la loro archiviazione e conservazione;
- utilizza tecniche di analisi di dati per risolvere problemi aziendali;
- analizza i Big Data, utilizzando algoritmi di machine learning e di intelligenza artificiale, per ricavarne informazioni rilevanti, quali ad esempio il monitoraggio di trend socioeconomici, o la profilazione degli utenti aziendali;
- permette, con le sue analisi, al marketing ed al management delle aziende di prendere decisioni strategiche quali ad esempio il lancio di nuovi prodotti, o l' introduzione di nuove strategie commerciali.
Per lo svolgimento delle funzioni sopra descritte sono richieste:
- conoscenza delle principali tecniche di Machine e Deep Learning;
- conoscenza della Programmazione adeguata ad implementare, qualora fosse necessario, algoritmi di Machine Learning;
- conoscenza dei Big Data e delle tecnologie necessarie a gestirli;
- capacità nell' Integrazione di Componenti Software eterogenee e nelle tecnologie necessarie per gestirle (ad esempio Hadoop e le tecnologie cloud);
- capacità di analisi dei mega dati e conoscenza di tecniche di Data Mining;
- capacità di auto-apprendimento e di aggiornamento continuo.
Lo Specialista in Big Data trova collocazione presso:
- Centri Studi di grandi aziende;
- Centri di Ricerca e Sviluppo di medie e grandi aziende informatiche;
- grandi aziende fornitrici di servizi quali operatori telefonici, banche, assicurazioni, utilities;
- enti pubblici di ricerca.
- Ricercatori e tecnici laureati nelle scienze matematiche e dell’informazione - 2.6.2.1.1
Requisiti di ammissione
L'accesso alla Laurea Magistrale in Informatica Applicata (Machine Learning e Big Data) è condizionato dal possesso di requisiti curriculari e dall'adeguatezza della preparazione personale.
Per l'iscrizione alla Laurea Magistrale in Informatica Applicata (Machine Learning and Big Data) è necessario il possesso di una laurea triennale, oppure di un diploma universitario, oppure di altro titolo di studio conseguito all'estero, riconosciuto idoneo dalla normativa vigente, qualunque sia la sede e la classe di provenienza, che preveda l'acquisizione di un determinato numero di crediti riferiti agli ambiti disciplinari caratterizzanti ciascun corso di studio.
I requisiti fanno riferimento all'accesso alla laurea magistrale indipendentemente dal curriculum scelto.
I requisiti curriculari minimi da possedere per l'iscrizione alla Laurea Magistrale in Informatica Applicata (Machine Learning and Big Data) sono 45 CFU così distribuiti:
a) area fisica ( FIS/01, FIS/02, FIS/01, FIS/03, FIS/04, FIS/05, FIS/06, FIS/07, FIS/08) per almeno 5 CFU;
b) area informatica (INF/01) per almeno 22 CFU;
c) area matematica (MAT/01, MAT/02, MAT/03, MAT/04, MAT/05, MAT/06, MAT/07, MAT/08, MAT/09) per almeno 15 CFU.
La conoscenza della lingua inglese, almeno a livello B2 del "Quadro comune europeo di riferimento per la conoscenza delle lingue" (QCER), è requisito necessario per l'iscrizione ed è verificata con una procedura indicata annualmente dal Consiglio di Corso di Laurea Magistrale.
L'adeguatezza della preparazione personale consiste nel possesso delle conoscenze e delle competenze che sono indicate come prerequisiti nelle schede degli insegnamenti del Corso di Studio (in piattaforma Esse3 o nel sito web del CdS).
Nel Regolamento Didattico del corso di studio saranno specificate le modalità con cui si svolgerà la verifica dell' adeguatezza della personale preparazione.
Modalità di ammissione
Per l'iscrizione alla Laurea Magistrale (Machine Learning e Big Data) è necessario il possesso di una laurea triennale, oppure di un diploma universitario, oppure di altro titolo di studio conseguito all'estero, riconosciuto idoneo dalla normativa vigente, qualunque sia la sede e la classe di provenienza. Inoltre, è necessario avere acquisito opportuni requisiti curriculari e una adeguata preparazione professionale relativamente alle conoscenze richieste in ingresso.
Le modalità di ammissione sono annualmente indicate mediante un bando emesso dall'Ateneo.
Lo studente deve preventivamente richiedere attraverso una procedura telematica il nulla osta all'iscrizione.
Il nulla osta è emesso da una Commissione, nominata dal Dipartimento di riferimento, dopo aver analizzato la documentazione della carriera universitaria pregressa dello studente per verificare la sussistenza dei requisiti curriculari e l'adeguatezza della preparazione personale.
I requisiti curriculari sono:
possesso all'atto della domanda di iscrizione dei requisiti curriculari minimi rappresentati da 45 CFU così distribuiti:
a) area fisica per almeno 5 CFU;
b) area informatica per almeno 22 CFU;
c) area matematica per almeno 15 CFU;
d) conoscenze di una lingua straniera per almeno 3 CFU.
L'adeguatezza della preparazione personale consiste nel possesso delle conoscenze e delle competenze che sono indicate come prerequisiti nelle schede degli insegnamenti del Corso di Studio (in piattaforma Esse3 o nel sito web del CdS).
Laddove ne rilevi la necessità, detta Commissione potrà convocare lo studente per un colloquio per la verifica dell'adeguatezza della preparazione personale. Tale colloquio è finalizzato ad attuare un'apposita azione di tutorato che lo metta in condizione, durante il primo anno di corso, di inserirsi proficuamente nel percorso formativo della Laurea Magistrale.
Nel caso di non sussistenza dei requisiti curriculari, la Commissione, può indicare come acquisire i crediti necessari attraverso il superamento di esami singoli da effettuarsi perentoriamente prima dell'immatricolazione.
Il nulla osta è attribuito in modo automatico a tutti i laureati in Informatica (classe C-26 o L-31) dell'Università Parthenope o di altri Atenei italiani.
L'elenco degli studenti richiedenti e gli esiti della valutazione della Commissione sono pubblicati sul sito web del Dipartimento di riferimento.
Gli studenti che ottengono il nulla osta possono completare l'iter dell'iscrizione, seguendo quanto indicato nel bando di ammissione.
Orientamento
L'orientamento in ingresso è gestito dal Centro Orientameto e Tutorato di Ateneo (http://orientamento.uniparthenope.it/) e si articola in servizi per la divulgazione delle informazioni, il coordinamento tra scuole medie superiori ed università e l'accoglienza.
Inoltre, il CdS ha uno sportello diretto per fornire informazioni sia in presenza sia attraverso e-mail attraverso la Segreteria Didattica del CdS (https://informatica.uniparthenope.it/index.php/it/segreteria-didattica-del-cds-informatica ). Quest'ultimo canale è di particolare rilevanza nella gestione dei trasferimenti in ingresso, per la valutazione di carriera pregressa, per secondo titolo e per il supporto a studenti stranieri.
L'orientamento e tutorato in itinere viene svolto attraverso servizi erogati sia dal Servizio Orientamento e Tutorato di Ateneo (che ha uno sportello anche presso la sede del Centro Direzionale, sede del CdS in Informatica Applicata) sia dal CdS in Informatica Applicata (ML e BD).
Per il primo servizio,si vuole, quindi, assistere gli studenti lungo tutto il percorso di studi, rendendoli partecipi del processo formativo, rimuovendo gli ostacoli ad una proficua frequenza dei corsi e promuovendo iniziative rapportate alle necessità, alle attitudini ed alle esigenze dei singoli, anche al fine di ridurre il numero degli abbandoni e l'eccessivo prolungamento degli studi.
Per il secondo servizio, gli studenti
possono fare riferimento ai seguenti docenti (durante l'orario di ricevimento, che è tra le informazioni indicate alla voce Manifesto degli studi) per tutte le eventuali difficoltà didattiche che incontrano nel loro percorso di studi.
Nel caso di problemi che riguardano l'organizzazione del Corso di Laurea Magistrale, l'orario delle lezioni, le sedute di esame gli studenti
devono fare riferimento al coordinatore del CdS.
La segnalazioni di eventuali violazioni del regolamento didattico, del regolamento di disciplina, o del codice etico devono essere
inoltrate in forma scritta non anonima oppure in modalità di colloquio diretto al coordinatore del CdS, anche usando il servizio "filo diretto con il coordinatore"
.
Questo servizo è erogato dall'Ufficio Placement di Ateneo e dal CdS in Informatica Applicata. Inoltre, l'Ateneo fa parte del Consorzio Almalaurea (http://www.almalaurea.it/).
Il CdS, attraverso la sua rete di aziende convenzionate per i tirocini e di aziende con cui sono stati sviluppati o sono in atto attività congiunte di ricerca industriale, provvede a fornire una interfaccia diretta tra laureati e aziende.
Prova finale
La Prova Finale consiste nella discussione di una Tesi di tipo applicativo-sperimentale sviluppata dall'allievo. La Tesi deve avere carattere di originalità. La Tesi deve riguardare uno o più argomenti applicativi e deve coinvolgere sia competenze di tipo metodologico e teorico proprie dell'Informatica sia un insieme di attività di tipo progettuale, implementativo e valutativo, anch'esse proprie del settore informatico.
La Tesi viene sviluppata sotto la guida di un Relatore, scelto tra i docenti del Corso di Studio, ovvero tra i docenti del Diaprtimento di Scienze e Tecnologie. E' consentita anche la presenza di due Relatori. Ad ogni tesi di laurea viene assegnato dal Presidente del CdS un Contro-relatore che monitora con compiti di ulteriore supporto e confronto e, al termine, produce una relazione da valutare in sede di attribuzione del voto di laurea.
Tirocini
L'assistenza per lo svolgimento di periodi di formazione all'esterno è gestita dall'Ufficio Placement di Ateneo e dalla Commissione Tirocini dei CdS in Informatica e in Informatica Applicata (ML e BD). L'uffico Placement si occupa della sottoscrizione delle convenzioni con aziende ed enti esterni, e delle pratiche assicurative degli studenti tirocinanti/stagisti.
Il CdS ha la responsabilità dell'individuzione delle aziende/enti esterni, dell'attribuzione di un tirocinio/stage agli studenti (mediante la Commissione Tirocini, attualmente formata di proff. G. Giunta, A. Petrosino, A. Ciaramella, F. Camastra, A. Maratea, R. Montella e dalla dott.ssa M.F. Andreoli (PTA), della gestione dei progetti formativi specifici per ciascun tirocinio/stage, del monitoraggio di ogni tirocinio, dell'attribuzione di CFU.
Mobilità internazionale
Questo servizio è erogato dall'Ufficio Affari Generali di Ateneo. Il docente di riferimento per iniziative ERASMUS e di internazionalizzazione per il CdLM in Informatica Applicata è il prof. A. Petrosino, che ha la responsabilità dell'approvazione del learning agreement di ciascun studente.
Inoltre, il CdS gestisce annualmente uno stage di 3 mesi presso il NEC Laboratories of America, Princeton NJ, USA, per 4 studenti meritevoli, su argomenti di ricerca industriale concordati tra CCD e NEC Lab. L'accesso è attraverso bando pubblico per l'attribuzione delle borse di studio finanziate da NEC.
Le iniziative per gli studenti, sono organizzate nel corso dell'anno accademico e sono pubblicizzate sul sito web del CdS.
Referenti del corso
-
DI NARDO Emanuel