MENU

Informatica Magistrale (Classe LM-18)

In questa pagina

Come iscriversi e frequentare

info veloci 

Hai bisogno di aiuto? 
La Scuola di SMFN risponde alle tue domande
come iscriversi iscriversi?
ti diciamo come fare
come compilare i piani di studio come compilare
il piano di studi


manifesto degli studenti 21-22 più info?
Date e scadenze?
Manifesto degli Studi
sezione orientamento in ingresso parliamo con le matricole
-sezione del web-
orientamento in ingresso
Non sai come fare? CONTATTACI
punto di ascolto serve aiuto? 
parla coi tutor
tutor-smfn-group(at)unifi.it
icona modulo contatto serve aiuto?
Ecco il modulo contatti

Cosa c'è da sapere

INFO

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:

Data Science curriculum

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.

Resilient and Secure Cyber Physical Systems curriculum

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. 

Curricula e regolamento

B059 - INFORMATICA (Classe LM-18)

E57 - DATA SCIENCE  Curriculum e regolamento didattico

E58 - RESILIENT AND SECURE CYBER PHYSICAL SYSTEMS  Curriculum e regolamento didattico

Tabelle insegnamenti curricula

DATA SCIENCE 

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.

RESILIENT AND SECURE CYBER PHYSICAL SYSTEMS 

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
Note        
Il corso Statistical Inference è pensato per gli studenti che hanno una limitata preparazione di base nel settore  SECS‐/01  e  in  particolare  NON  deve  essere  scelto  dagli  studenti  provenienti  dalla  Laurea  triennale  in  Informatica dell'Università di Firenze. 
    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

22.08.2022

Cookie

I cookie di questo sito servono al suo corretto funzionamento e non raccolgono alcuna tua informazione personale. Se navighi su di esso accetti la loro presenza.  Maggiori informazioni