Corso | Ingegneria Industriale |
Curriculum | Energia (Elettrico-Energetico) |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Corso | Ingegneria Industriale |
Curriculum | Energia (Elettrico-Energetico) |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Crediti | 6 |
Settore Scientifico Disciplinare | SECS-P/07 |
Anno | Terzo anno |
Unità temporale | Secondo semestre |
Ore aula | 48 |
Attività formativa | Attività formative a scelta dello studente (art.10, comma 5, lettera a) |
Erogazione | 80001 ECONOMIA AZIENDALE in Scienze economiche L-33 NICOLO' DOMENICO |
Docente | Domenico Nicolò |
Obiettivi | Il corso fornisce agli studenti conoscenze in materia di teoria istituzionale delle aziende private e pubbliche (parte a del programma) e di contabilità e bilancio di esercizio delle imprese (parte b del programma). Il voto finale sarà attribuito secondo il seguente criterio di valutazione: 30 - 30 e lode: conoscenza completa, approfondita e critica degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze acquisite; 26 - 29: conoscenza completa e approfondita degli argomenti, piena proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze acquisite; 24 - 25: conoscenza degli argomenti con un buon grado di apprendimento, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze acquisite; 21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze acquisite; 18 - 20: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze basilari acquisite; Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso. |
Programma | Parte A) 6 CFU L’oggetto dell'economia aziendale. I bisogni, i beni, l’attività economica. L’azienda come sistema. Gli istituti e le aziende. La classificazione delle aziende. I caratteri delle aziende. Gli elementi della struttura aziendale: le combinazioni economiche, gli assetti istituzionali, il patrimonio, l’assetto organizzativo e la struttura organizzativa. Il sistema dei valori. Il reddito e il capitale. Il bilancio di esercizio. L’economicità e le condizioni di equilibrio. Il rapporto azienda-ambiente. La strategia e il sistema competitivo. Gli aggregati aziendali. Parte B) 6 CFU Il sistema informativo contabile delle imprese, il reddito d'esercizio e il capitale. Il bilancio d'esercizio: stato patrimoniale, conto economico e nota integrativa. La relazione sulla gestione. Le variazioni contabili, il conto e il metodo della partita doppia. Il piano dei conti. Le rilevazioni di esercizio, di chiusura e di riapertura dei conti. I principi contabili: cenni. Gli studenti di Ingegneria Industriale che hanno nel piano di studio Economia Aziendale come materia a scelta preparano l'esame studiando la parte A) del programma, corrispondente a 6 CFU. |
Testi docente | Lo studente può studiare gli argomenti del corso in qualsiasi libro universitario di economia aziendale. Per facilitare la scelta si suggeriscono i seguenti (alternativamente): Parte a) - Airoldi, Brunetti, Coda, Corso di Economia Aziendale, Il Mulino. Capitoli: 1-2-3 (3.1-3.2-3.6) -4-5-6-7-8-9-10-11.5-14-15 (15.1-15.2-15.3-15.4)-16. - Marchi, Introduzione all’Economia Aziendale, Giappichelli. Tutti i capitoli - Potito (a cura di) Economia Aziendale, Giappichelli. Tutti i capitoli Parte b) Gli studenti possono preparare l'esame studiando qualunque testo universitario di contabilità e bilancio. Per facilitare la scelta si suggeriscono i seguenti libri (alternativamente): Per facilitare la scelta si segnalano, alternativamente: - Cerbioni, Cinquini, Sostero, Contabilità e bilancio, MCGraw-Hill (Parte prima, seconda e quarta). - Del Pozzo, Loprevite, Rubino, Corso di contabilità e bilancio. Dalle rilevazioni contabili alla rappresentazione dei risultati economico-finanziari, Pearson (Capitoli da 1 a 14 e capitoli 17 e 18). - Marchi, Contabilità d'impresa e valori di bilancio, Giappichelli, Torino (Capitoli 1, 2, 3, 4, 6, 7, 8, 9, 10, 11, 13, 14, 15, 17). |
Erogazione tradizionale | No |
Erogazione a distanza | No |
Frequenza obbligatoria | No |
Valutazione prova scritta | No |
Valutazione prova orale | No |
Valutazione test attitudinale | No |
Valutazione progetto | No |
Valutazione tirocinio | No |
Valutazione in itinere | No |
Prova pratica | No |
Corso | Ingegneria Industriale |
Curriculum | Energia (Elettrico-Energetico) |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Crediti | 6 |
Settore Scientifico Disciplinare | ING-INF/02 |
Anno | Terzo anno |
Unità temporale | Secondo semestre |
Ore aula | 48 |
Attività formativa | Attività formative a scelta dello studente (art.10, comma 5, lettera a) |
Erogazione | 85T011 CAMPI ELETTROMAGNETICI I in Ingegneria informatica, elettronica e delle telecomunicazioni L-8 MORABITO ANDREA FRANCESCO |
Docente | Andrea MORABITO |
Obiettivi | Acquisizione dei fondamenti teorici della propagazione ondosa su linee di trasmissione ed in spazio libero. Capacità di risolvere ed adattare circuiti a costanti distribuite. |
Programma | Richiami di calcolo numerico nell’ambito delle funzioni complesse di variabile complessa. Richiami di calcolo vettoriale e differenziale. Equazioni di Maxwell e loro soluzioni fondamentali (nel dominio del tempo e nel dominio dei fasori). Forza di Lorentz. Equazione di continuità della corrente. Relazioni costitutive e proprietà dei mezzi materiali. Conduttori e dielettrici perfetti. Teoria circuitale delle linee di trasmissione con e senza perdite: derivazione e soluzione delle equazioni dei telegrafisti in termini di onde viaggianti e onde stazionarie. Modi TEM. Tensione, corrente, rapporto di onda stazionaria, impedenza caratteristica, costante di propagazione, coefficiente di riflessione lungo una linea di trasmissione. Discontinuità sulle linee ed effetto delle impedenze di carico sui fenomeni propagativi. Definizione e massimizzazione della potenza in linea. Cavo coassiale: induttanza e capacità per unità di lunghezza. Onde piane: definizione e proprietà matematico-fisiche fondamentali. Polarizzazione dei campi elettromagnetici. Riflessione e trasmissione da discontinuità piana per incidenze normale ed obliqua: leggi di Snell; coefficienti di Fresnel; riflessione totale e angolo limite; trasmissione totale e angolo di Brewster. Potenziali elettromagnetici, dipolo elementare, antenne filari, parametri fondamentali di antenna in trasmissione e in ricezione. |
Testi docente | Giorgio Franceschetti, ‘Campi Elettromagnetici,’ ed. Bollati Boringhieri. Conciauro, Pellegrini, ‘Fondamenti di onde elettromagnetiche,’ ed. McGraw Hill. |
Erogazione tradizionale | Sì |
Erogazione a distanza | No |
Frequenza obbligatoria | No |
Valutazione prova scritta | Sì |
Valutazione prova orale | Sì |
Valutazione test attitudinale | No |
Valutazione progetto | No |
Valutazione tirocinio | No |
Valutazione in itinere | No |
Prova pratica | No |
Corso | Ingegneria Industriale |
Curriculum | Energia (Elettrico-Energetico) |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Crediti | 6 |
Settore Scientifico Disciplinare | ING-IND/31 |
Anno | Terzo anno |
Unità temporale | Secondo semestre |
Ore aula | 48 |
Attività formativa | Attività formative a scelta dello studente (art.10, comma 5, lettera a) |
Docente | Nadia Mammone |
Obiettivi | CONOSCENZA E COMPRENSIONE: Il corso si propone di arricchire il bagaglio dello studente di conoscenze e competenze nell’ambito dell’intelligenza artificiale (AI), rivolgendo particolare attenzione al machine learning. Svariate applicazioni ingegneristiche saranno proposte, in ambito biomedicale, spaziale, energetico, ambientale. Lo studente, in autonomia, svolgerà un proprio elaborato suggerito dal docente. CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE: Il corso è orientato a far acquisire allo studente competenze sulla progettazione e sviluppo di algoritmi basati su metodi di intelligenza artificiale, prevalentemente metodi di Machine Learning, per applicazioni ingegneristiche. Tale obiettivo viene perseguito anche attraverso esercitazioni laboratoriali durante le quali lo studente avrà modo di progettare i propri esperimenti per l’acquisizione dei dati e l’elaborazione degli stessi. AUTONOMIA DI GIUDIZIO: A fine corso, e in particolare al superamento dell’esame, lo studente sarà in grado, in completa autonomia, di definire i paradigmi dell’acquisizione dei dati necessari per l’esperimento e progettare algoritmi per l’elaborazione dei segnali acquisiti al fine di raggiungere l’obiettivo dello studio. Lo studente potrà contare sul bagaglio di metodi trattati durante il corso nonché sulla propria capacità di approfondire autonomamente ulteriori metodi presenti in letteratura, grazie ad un’acquisita padronanza dei concetti fondamentali dell’intelligenza artificiale. ABILITA' COMUNICATIVE: Attraverso una continua interazione docente-studente, il corso orienterà all’acquisizione del linguaggio proprio dell’intelligenza artificiale, del machine learning in particolare, permettendo inoltre allo studente di affinare la capacità di esprimersi attraverso un linguaggio tecnico appropriato. CAPACITA' DI APPRENDIMENTO: Al superamento dell’esame, lo studente avrà acquisito la capacità di progettare algoritmi basati su metodi di intelligenza artificiale, prevalentemente metodi di machine learning, per applicazioni di pertinenza dell’ingegneria, con particolare attenzione agli ambiti biomedicale, spaziale, energetico e ambientale. Viceversa, l’applicazione pratica dei concetti teorici permetterà di comprenderli a fondo e rielaborarli; lo studente svilupperà così in generale un approccio teorico-pratico alle materie ingegneristiche. |
Programma | INTRODUZIONE ALL’AI E ALLE SUE APPLICAZIONI INGEGNERISTICHE (1 CFU) Fondamenti dell’intelligenza artificiale. Introduzione all’intelligenza artificiale e ai suoi sotto-ambiti, Machine Learning, Deep Learning. Introduzione alla comprensione di come i sistemi AI possano risolvere problemi, apprendere, interagire, prendere decisioni. Introduzione alle tecnologie basate su AI, sulla rappresentazione della conoscenza, sui modelli probabilistici e il machine learning. Esempi di applicazioni ingegneristiche dell’AI. Overview sulle applicazioni dell’AI negli ambiti del signal processing, della computer vision e del natural language processing (NLP). Metodi neurali e non. Tipi di apprendimento. METODI DI MACHINE LEARNING (3 CFU) Apprendimento supervisionato. Proprietà generali dei sistemi di elaborazione neurale. Modello di neurone biologico. Neurone artificiale di McCulloch-Pitts. Regressione lineare. Metodo della discesa del gradiente. Funzioni di attivazione: sigmoidale, tangente iperbolica, ReLu. Architetture di rete: modelli feedforward. Perceptrons. Multi-layer Perceptrons. Metodi non neurali. Regressione logistica. Linear Discriminant Analysis. Gaussian Discriminant Analysis. Support Vector Machines. Apprendimento non supervisionato. Clustering. Riduzione della dimensionalità. Hebbian Learning. Apprendimento competitivo. Natura statistica del processo di apprendimento. Algoritmo K-Means. Modelli competitivi e auto-organizzanti. Principal Component Analysis. Independent Component Analysis. Cenni alle reti neurali di tipo Deep. Deep Feed-Forward Neural Networks. Cenni alle Convolutional Neural Networks. Visualizzazione dei processi nelle reti neurali. LABORATORIO DI APPLICAZIONI INGEGNERISTICHE DELL’AI (2 CFU) Progettazione e sviluppo di algoritmi per applicazioni ingegneristiche dell’AI in Matlab e/o Phyton. Acquisizione di segnali/immagini finalizzata alla costruzione dei dataset necessari per il training/test degli algoritmi. Costruzione del dataset di training e test, addestramento e validazione dei sistemi sviluppati. |
Testi docente | Ian Goodfellow, Yoshua Bengio and Aaron Courville, “Deep Learning” (www.deeplearningbook.org), An MIT Press book José C. Principe, “Neural and Adaptive Systems: Fundamentals Through Simulations”, Wiley Simon Haykin, “Neural Networks”, IEEE Press |
Erogazione tradizionale | Sì |
Erogazione a distanza | Sì |
Frequenza obbligatoria | No |
Valutazione prova scritta | No |
Valutazione prova orale | Sì |
Valutazione test attitudinale | No |
Valutazione progetto | Sì |
Valutazione tirocinio | No |
Valutazione in itinere | No |
Prova pratica | No |
Corso | Ingegneria Industriale |
Curriculum | Energia (Elettrico-Energetico) |
Orientamento | Orientamento unico |
Anno Accademico | 2021/2022 |
Crediti | 12 |
Settore Scientifico Disciplinare | |
Anno | Terzo anno |
Unità temporale | Secondo semestre |
Ore aula | 96 |
Attività formativa | Attività formative a scelta dello studente (art.10, comma 5, lettera a) |
Cerca nel sito
Posta Elettronica Certificata
Direzione
Tel +39 0965.1692263
Fax +39 0965.1692201
Biblioteca
Tel +39 0965.1692206
Fax +39 0965.1692206
Ufficio didattica
Tel +39 0965.1692440/212
Fax +39 0965.1692220
Segreteria studenti
Tel +39 0965.1691475
Fax +39 0965.1691474
Segreteria Amministrativa
Tel +39 0965.1692257/261/241
Fax +39 0965.1692201
Ufficio orientamento
Tel +39 0965.1692386/212
Fax +39 0965.1692220