IT SYSTEMS, DATA AND APPLICATIONS
Syllabus
EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:
L'insegnamento si propone di fornire una introduzione ai sistemi informatici. Nello specifico, gli obiettivi formativi riguardano:
- Introduzione ai processi e alle tecnologie di sviluppo del software.
- Machine Learning: terminologia, installazione di weka, utilizzo tramite GUI e API, rumore, selezione delle features e sampling.
-Aspetti principali dei sistemi informatici: HW, SW, internet, security and privacy.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i concetti fondamentali dei sistemi informatici come metodologie di sviluppo, machine learning, HW, SW, internet, security and privacy.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i principi che caratterizzano l’ingegneria dei sistemi informatici.
AUTONOMIA DI GIUDIZIO:
Al termine del corso lo studente sarà in grado di giudicare autonomamente i sistemi informatici.
ABILITÀ COMUNICATIVE:
Al termine del corso lo studente avrà acquisito padronanza della terminologia relativa ai sistemi informatici.
CAPACITÀ DI APPRENDIMENTO:
Al termine del corso lo studente avrà acquisito la capacità di intraprendere in autonomia ulteriori approfondimenti su argomenti riguardanti i sistemi informatici, ed utilizzare le conoscenze e metodologie acquisite per affrontare nuovi problemi.
L'insegnamento si propone di fornire una introduzione ai sistemi informatici. Nello specifico, gli obiettivi formativi riguardano:
- Introduzione ai processi e alle tecnologie di sviluppo del software.
- Machine Learning: terminologia, installazione di weka, utilizzo tramite GUI e API, rumore, selezione delle features e sampling.
-Aspetti principali dei sistemi informatici: HW, SW, internet, security and privacy.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i concetti fondamentali dei sistemi informatici come metodologie di sviluppo, machine learning, HW, SW, internet, security and privacy.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i principi che caratterizzano l’ingegneria dei sistemi informatici.
AUTONOMIA DI GIUDIZIO:
Al termine del corso lo studente sarà in grado di giudicare autonomamente i sistemi informatici.
ABILITÀ COMUNICATIVE:
Al termine del corso lo studente avrà acquisito padronanza della terminologia relativa ai sistemi informatici.
CAPACITÀ DI APPRENDIMENTO:
Al termine del corso lo studente avrà acquisito la capacità di intraprendere in autonomia ulteriori approfondimenti su argomenti riguardanti i sistemi informatici, ed utilizzare le conoscenze e metodologie acquisite per affrontare nuovi problemi.
Learning Objectives
LEARNING OUTCOMES:
The course covers topics related to introduction to information technology. Specifically, the learning outcomes are:
- Introduction to software development processes and technologies.
- Machine learning: terminology, weka installation, use via GUI and API, noise, feature selection and sampling.
- Main aspects of IT systems: HW, SW, internet, security and privacy.
KNOWLEDGE AND UNDERSTANDING:
At the end of the course, the student will have acquired the fundamentals of software systems such as development methodologies, machine learning, HW, SW, internet, security and privacy.
APPLYING KNOWLEDGE AND UNDERSTANDING:
At the end of the class, the student will have acquired the principles of engineering software systems.
MAKING JUDGEMENTS:
At the end of the class, the student will be able to autonomously analyze software systems.
COMMUNICATION SKILLS:
At the end of the class, the student will be able to properly describe software systems.
LEARNING SKILLS:
At the end of the class, the student will be able to autonomously tackle the study of advanced topics in software systems and the solution of new problems.
The course covers topics related to introduction to information technology. Specifically, the learning outcomes are:
- Introduction to software development processes and technologies.
- Machine learning: terminology, weka installation, use via GUI and API, noise, feature selection and sampling.
- Main aspects of IT systems: HW, SW, internet, security and privacy.
KNOWLEDGE AND UNDERSTANDING:
At the end of the course, the student will have acquired the fundamentals of software systems such as development methodologies, machine learning, HW, SW, internet, security and privacy.
APPLYING KNOWLEDGE AND UNDERSTANDING:
At the end of the class, the student will have acquired the principles of engineering software systems.
MAKING JUDGEMENTS:
At the end of the class, the student will be able to autonomously analyze software systems.
COMMUNICATION SKILLS:
At the end of the class, the student will be able to properly describe software systems.
LEARNING SKILLS:
At the end of the class, the student will be able to autonomously tackle the study of advanced topics in software systems and the solution of new problems.
EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:
L'insegnamento si propone di fornire una introduzione ai sistemi informatici. Nello specifico, gli obiettivi formativi riguardano:
- Introduzione ai processi e alle tecnologie di sviluppo del software.
- Machine Learning: terminologia, installazione di weka, utilizzo tramite GUI e API, rumore, selezione delle features e sampling.
-Aspetti principali dei sistemi informatici: sistemi operativi, reti, basi di dati, big data, cloud, security and privacy, affidabilità e risparmio energetico.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i concetti fondamentali dei sistemi informatici come metodologie di sviluppo, machine learning, sistemi operativi, reti, basi di dati, big data, cloud, security and privacy, affidabilità e risparmio energetico.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i principi che caratterizzano l’ingegneria dei sistemi informatici.
AUTONOMIA DI GIUDIZIO:
Al termine del corso lo studente sarà in grado di giudicare autonomamente i sistemi informatici.
ABILITÀ COMUNICATIVE:
Al termine del corso lo studente avrà acquisito padronanza della terminologia relativa ai sistemi informatici.
CAPACITÀ DI APPRENDIMENTO:
Al termine del corso lo studente avrà acquisito la capacità di intraprendere in autonomia ulteriori approfondimenti su argomenti riguardanti i sistemi informatici, ed utilizzare le conoscenze e metodologie acquisite per affrontare nuovi problemi.
L'insegnamento si propone di fornire una introduzione ai sistemi informatici. Nello specifico, gli obiettivi formativi riguardano:
- Introduzione ai processi e alle tecnologie di sviluppo del software.
- Machine Learning: terminologia, installazione di weka, utilizzo tramite GUI e API, rumore, selezione delle features e sampling.
-Aspetti principali dei sistemi informatici: sistemi operativi, reti, basi di dati, big data, cloud, security and privacy, affidabilità e risparmio energetico.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i concetti fondamentali dei sistemi informatici come metodologie di sviluppo, machine learning, sistemi operativi, reti, basi di dati, big data, cloud, security and privacy, affidabilità e risparmio energetico.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i principi che caratterizzano l’ingegneria dei sistemi informatici.
AUTONOMIA DI GIUDIZIO:
Al termine del corso lo studente sarà in grado di giudicare autonomamente i sistemi informatici.
ABILITÀ COMUNICATIVE:
Al termine del corso lo studente avrà acquisito padronanza della terminologia relativa ai sistemi informatici.
CAPACITÀ DI APPRENDIMENTO:
Al termine del corso lo studente avrà acquisito la capacità di intraprendere in autonomia ulteriori approfondimenti su argomenti riguardanti i sistemi informatici, ed utilizzare le conoscenze e metodologie acquisite per affrontare nuovi problemi.
Learning Objectives
LEARNING OUTCOMES:
The course covers topics related to introduction to information technology. Specifically, the learning outcomes are:
- Introduction to software development processes and technologies.
- Machine learning: terminology, weka installation, use via GUI and API, noise, feature selection and sampling.
- Main aspects of IT systems: operating systems, networks, databases, big data, cloud, security and privacy, reliability, and energy saving.
KNOWLEDGE AND UNDERSTANDING:
At the end of the course, the student will have acquired the fundamentals of software systems such as development methodologies, machine learning, operating systems, networks, databases, big data, cloud, security and privacy, reliability and energy saving.
APPLYING KNOWLEDGE AND UNDERSTANDING:
At the end of the class, the student will have acquired the principles of engineering software systems.
MAKING JUDGEMENTS:
At the end of the class, the student will be able to autonomously analyze software systems.
COMMUNICATION SKILLS:
At the end of the class, the student will be able to properly describe software systems.
LEARNING SKILLS:
At the end of the class, the student will be able to autonomously tackle the study of advanced topics in software systems and the solution of new problems.
The course covers topics related to introduction to information technology. Specifically, the learning outcomes are:
- Introduction to software development processes and technologies.
- Machine learning: terminology, weka installation, use via GUI and API, noise, feature selection and sampling.
- Main aspects of IT systems: operating systems, networks, databases, big data, cloud, security and privacy, reliability, and energy saving.
KNOWLEDGE AND UNDERSTANDING:
At the end of the course, the student will have acquired the fundamentals of software systems such as development methodologies, machine learning, operating systems, networks, databases, big data, cloud, security and privacy, reliability and energy saving.
APPLYING KNOWLEDGE AND UNDERSTANDING:
At the end of the class, the student will have acquired the principles of engineering software systems.
MAKING JUDGEMENTS:
At the end of the class, the student will be able to autonomously analyze software systems.
COMMUNICATION SKILLS:
At the end of the class, the student will be able to properly describe software systems.
LEARNING SKILLS:
At the end of the class, the student will be able to autonomously tackle the study of advanced topics in software systems and the solution of new problems.
Prerequisiti
Nessuno
Prerequisites
None
Programma
Introduzione ai sistemi informativi
Hardware: Input, Processing, and Output Devices
Software
The Internet, Intranets, and Extranets
Security Privacy and Ethics
Intro to SE and processes
Introduction to Machine Learning (ML): terminology
ML to Support Software Safety
SVN and GitHub
Accuracy Metrics & Comparing classifiers accuracy
Feature Selection
Sampling
Cost-sensitive classification
Hardware: Input, Processing, and Output Devices
Software
The Internet, Intranets, and Extranets
Security Privacy and Ethics
Intro to SE and processes
Introduction to Machine Learning (ML): terminology
ML to Support Software Safety
SVN and GitHub
Accuracy Metrics & Comparing classifiers accuracy
Feature Selection
Sampling
Cost-sensitive classification
Program
Introduction to IT systems
Hardware: Input, Processing, and Output Devices
Software
The Internet, Intranets, and Extranets
Security Privacy and Ethics
Intro to SE and processes
Introduction to Machine Learning (ML): terminology
ML to Support Software Safety
SVN and GitHub
Accuracy Metrics & Comparing classifiers accuracy
Feature Selection
Sampling
Cost sensitive classification
Hardware: Input, Processing, and Output Devices
Software
The Internet, Intranets, and Extranets
Security Privacy and Ethics
Intro to SE and processes
Introduction to Machine Learning (ML): terminology
ML to Support Software Safety
SVN and GitHub
Accuracy Metrics & Comparing classifiers accuracy
Feature Selection
Sampling
Cost sensitive classification
Testi Adottati
Kruchten, Philippe. The rational unified process: an introduction. Addison-Wesley Professional, 2004.
Witten, Ian H., et al. "Weka: Practical machine learning tools and techniques with Java implementations." (1999).
Witten, Ian H., et al. "Weka: Practical machine learning tools and techniques with Java implementations." (1999).
Books
Kruchten, Philippe. The rational unified process: an introduction. Addison-Wesley Professional, 2004.
Witten, Ian H., et al. "Weka: Practical machine learning tools and techniques with Java implementations." (1999).
Witten, Ian H., et al. "Weka: Practical machine learning tools and techniques with Java implementations." (1999).
Bibliografia
Kruchten, Philippe. The rational unified process: an introduction. Addison-Wesley Professional, 2004.
Witten, Ian H., et al. "Weka: Practical machine learning tools and techniques with Java implementations." (1999).
Witten, Ian H., et al. "Weka: Practical machine learning tools and techniques with Java implementations." (1999).
Bibliography
Kruchten, Philippe. The rational unified process: an introduction. Addison-Wesley Professional, 2004.
Witten, Ian H., et al. "Weka: Practical machine learning tools and techniques with Java implementations." (1999).
Witten, Ian H., et al. "Weka: Practical machine learning tools and techniques with Java implementations." (1999).
Modalità di svolgimento
Esposizione tramite slides e riposte a domande.
Teaching methods
Use of slides and answers to questions.
Regolamento Esame
La prova orale consiste di domande a risposta libera volte ad appurare il livello di il grado di conoscenza degli argomenti trattati.
La prova di esame è la stessa per frequentanti e non frequentanti e valuta la preparazione complessiva dello studente, la capacità di integrazione delle conoscenze delle diverse parti del programma, la consequenzialità del ragionamento, la capacità analitica e la autonomia di giudizio.
Inoltre, vengono valutate la proprietà di linguaggio e la chiarezza espositiva, in aderenza con i descrittori di Dublino (1. Conoscenza e capacità di comprensione (knowledge and understanding); 2. Capacità di applicare la conoscenza e comprensione (applying knowledge and understanding); 3. Autonomia di giudizio (making judgements); 4. Capacità di apprendimento (learning skills); 5: Abilità di comunicazione (communication skills).
La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio, gli argomenti sono esposti in modo non coerente e con linguaggio inappropriato;
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico;
21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico
30-30L: Ottimo livello di conoscenza e comprensione approfondita degli argomenti. Ottime capacità di analisi, di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato.
La prova di esame è la stessa per frequentanti e non frequentanti e valuta la preparazione complessiva dello studente, la capacità di integrazione delle conoscenze delle diverse parti del programma, la consequenzialità del ragionamento, la capacità analitica e la autonomia di giudizio.
Inoltre, vengono valutate la proprietà di linguaggio e la chiarezza espositiva, in aderenza con i descrittori di Dublino (1. Conoscenza e capacità di comprensione (knowledge and understanding); 2. Capacità di applicare la conoscenza e comprensione (applying knowledge and understanding); 3. Autonomia di giudizio (making judgements); 4. Capacità di apprendimento (learning skills); 5: Abilità di comunicazione (communication skills).
La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio, gli argomenti sono esposti in modo non coerente e con linguaggio inappropriato;
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico;
21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico
30-30L: Ottimo livello di conoscenza e comprensione approfondita degli argomenti. Ottime capacità di analisi, di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato.
Exam Rules
The oral exam consists of open-ended questions aimed at ascertaining the level of knowledge of the topics covered.
The exam is the same for attending and non-attending students and evaluates the overall preparation of the student, the ability to integrate the knowledge of the different parts of the program, the consequentiality of the reasoning, the analytical ability and the autonomy of judgment.
Furthermore, language properties and clarity of presentation are evaluated, in compliance with the Dublin descriptors (1. Knowledge and understanding) 2. Ability to apply knowledge and understanding; 3. Making judgments; 4. Learning skills; 5: Communication skills.
The exam will be assessed according to the following criteria:
Not suitable: important deficiencies and / or inaccuracies in the knowledge and understanding of the topics; limited capacity for analysis and synthesis, frequent generalizations and limited critical and judgment skills, the arguments are presented in an inconsistent way and with inappropriate language;
18-20: just sufficient knowledge and understanding of the topics with possible generalizations and imperfections; sufficient capacity for analysis, synthesis and autonomy of judgment, the topics are frequently exposed in an inconsistent way and with inappropriate / technical language;
21-23: Routine knowledge and understanding of topics; Ability to correct analysis and synthesis with sufficiently coherent logical argument and appropriate / technical language
24-26: Fair knowledge and understanding of the topics; good analysis and synthesis skills with rigorously expressed arguments but with a language that is not always appropriate / technical.
27-29: Complete knowledge and understanding of the topics; remarkable abilities of analysis and synthesis. Good autonomy of judgment. Topics exposed rigorously and with appropriate / technical language
30-30L: Excellent level of knowledge and in-depth understanding of the topics. Excellent skills of analysis, synthesis and autonomy of judgment. Arguments expressed in an original way and with appropriate technical language.
The exam is the same for attending and non-attending students and evaluates the overall preparation of the student, the ability to integrate the knowledge of the different parts of the program, the consequentiality of the reasoning, the analytical ability and the autonomy of judgment.
Furthermore, language properties and clarity of presentation are evaluated, in compliance with the Dublin descriptors (1. Knowledge and understanding) 2. Ability to apply knowledge and understanding; 3. Making judgments; 4. Learning skills; 5: Communication skills.
The exam will be assessed according to the following criteria:
Not suitable: important deficiencies and / or inaccuracies in the knowledge and understanding of the topics; limited capacity for analysis and synthesis, frequent generalizations and limited critical and judgment skills, the arguments are presented in an inconsistent way and with inappropriate language;
18-20: just sufficient knowledge and understanding of the topics with possible generalizations and imperfections; sufficient capacity for analysis, synthesis and autonomy of judgment, the topics are frequently exposed in an inconsistent way and with inappropriate / technical language;
21-23: Routine knowledge and understanding of topics; Ability to correct analysis and synthesis with sufficiently coherent logical argument and appropriate / technical language
24-26: Fair knowledge and understanding of the topics; good analysis and synthesis skills with rigorously expressed arguments but with a language that is not always appropriate / technical.
27-29: Complete knowledge and understanding of the topics; remarkable abilities of analysis and synthesis. Good autonomy of judgment. Topics exposed rigorously and with appropriate / technical language
30-30L: Excellent level of knowledge and in-depth understanding of the topics. Excellent skills of analysis, synthesis and autonomy of judgment. Arguments expressed in an original way and with appropriate technical language.
EN
IT
Updated A.Y. 2021-2022
Introduction to Machine Learning (ML): terminology
ML to Support Software Safety
SVN and GitHub
Measuring metrics in Git/JIRA
SZZ- Proportion and Snoring
Accuracy Metrics & Comparing classifiers accuracy
Feature Selection
Sampling
Introduction to ICT Development Stacks
Operating Systems Principles
Computer Networks
Databases and Data Management
Big Data Processing
Cloud, Virtualization and Containers
Security and Privacy
Availability, Dependability, Disaster Recovery, Business Continuity
Performance and Energy Efficiency
Updated A.Y. 2021-2022
Intro to SE and processes
Introduction to Machine Learning (ML): terminology
ML to Support Software Safety
SVN and GitHub
Measuring metrics in Git/JIRA
SZZ- Proportion and Snoring
Accuracy Metrics & Comparing classifiers accuracy
Feature Selection
Sampling
Introduction to ICT Development Stacks
Operating Systems Principles
Computer Networks
Databases and Data Management
Big Data Processing
Cloud, Virtualization and Containers
Security and Privacy
Availability, Dependability, Disaster Recovery, Business Continuity
Performance and Energy Efficiency
EN
IT
Updated A.Y. 2020-2021
Introduction to Machine Learning (ML): terminology
ML to Support Software Safety
SVN and GitHub
Measuring metrics in Git/JIRA
SZZ- Proportion and Snoring
Accuracy Metrics & Comparing classifiers accuracy
Feature Selection
Sampling
Introduction to ICT Development Stacks
Operating Systems Principles
Computer Networks
Databases and Data Management
Big Data Processing
Cloud, Virtualization and Containers
Security and Privacy
Availability, Dependability, Disaster Recovery, Business Continuity
Performance and Energy Efficiency
Updated A.Y. 2020-2021
Intro to SE and processes
Introduction to Machine Learning (ML): terminology
ML to Support Software Safety
SVN and GitHub
Measuring metrics in Git/JIRA
SZZ- Proportion and Snoring
Accuracy Metrics & Comparing classifiers accuracy
Feature Selection
Sampling
Introduction to ICT Development Stacks
Operating Systems Principles
Computer Networks
Databases and Data Management
Big Data Processing
Cloud, Virtualization and Containers
Security and Privacy
Availability, Dependability, Disaster Recovery, Business Continuity
Performance and Energy Efficiency