| Nome del corso |
Ingegneria informatica e robotica |
|---|
| Codice insegnamento |
A003168 |
|---|
| Curriculum |
Data science e data engineering |
|---|
| Docente responsabile |
Giuseppe Liotta |
|---|
| Docenti |
- Giuseppe Liotta
- Alessandra Tappini (Codocenza)
|
|---|
| Ore |
- 62 ore - Giuseppe Liotta
- 10 ore (Codocenza) - Alessandra Tappini
|
|---|
| CFU |
9 |
|---|
| Regolamento |
Coorte 2024 |
|---|
| Erogato |
Erogato nel 2025/26 |
|---|
| Erogato altro regolamento |
|
|---|
| Attività |
Caratterizzante |
|---|
| Ambito |
Ingegneria informatica |
|---|
| Settore |
ING-INF/05 |
|---|
| Tipo insegnamento |
Obbligatorio (Required) |
|---|
| Tipo attività |
Attività formativa monodisciplinare |
|---|
| Lingua insegnamento |
Inglese |
|---|
| Contenuti |
Introduzione alla visualizzazione dell'informazione e sue applicazioni. Introduzione alla progettazione di sistemi per l'analisi visuale dei dati. Modello annidato e modello lineare. Modellazione dei dati, modellazione dei task, principi della percezione, idiomi visuali, progettazione delle interazioni, scelte tecnologiche, librerie e interfacce grafiche. Algoritmi per l'analisi visuale dei dati: tabelle, dati spaziali e dati relazionali. Algoritmi per il disegno di grafi: alberi, disegni straight-line, disegni polyline e disegni ortogonali. |
|---|
| Testi di riferimento |
- T. Munzner, Visualization Analysis and Design. A K Peters Visualization Series, CRC Press, 2014. - G. Di Battista, P. Eades, R. Tamassia and I. Tollis, Graph Drawing: Algorithms for the Visualization of Graphs. Prentice-Hall, 1999. |
|---|
| Obiettivi formativi |
Il corso illustra alcune tecniche di base per la visualizzazione dell'informazione, con particolare enfasi su metodi e modelli algoritmici. Si pone l'obiettivo di approfondire la conoscenza degli studenti su problemi di ingegneria degli algoritmi e di ottimizzazione su reti; tali conoscenze vengono quindi applicate a problemi di visualizzazione dell'informazione di varia natura e con forte connotazione pratica. Le competenze acquisite dagli studenti in questo corso hanno utilità in svariati contesti industriali, in particolare nell'ambito del trattamentoi dei Big Data e nello sviluppo di tecnologie informatiche per la Data Science. |
|---|
| Prerequisiti |
Il corso si colloca al quinto anno di un curriculum didattico che prevede una laurea di primo livello nella classe L08 (ingegneria informatica o affine) ed un primo anno di laurea magistrale nella classe LM32 (ingegneria informatica o affine). Pertanto, si prevede che gli studenti che frequentano il corso abbiano competenze sugli argomenti tipicamente trattati in tali corsi di studio. In particolare, durante le lezioni si faranno riferimenti a temi di: Fondamenti di informatica; basi di dati, architetture e sistemi operativi; informatica grafica; ingegneria del software; informatica teorica; algoritmi e strutture dati. |
|---|
| Metodi didattici |
La didattica prevede tre tipi di lezioni: Lezioni teoriche frontali in aula su tutti gli argomenti del corso. Agli studenti verrà fornita in anticipo copia delle diapositive utilizzate dal docente a lezione tramite area riservata del corso. Studi di caso in aula, durante i quali si considerano problemi progettuali di visualizzazione dell'informazione . Lezioni pratiche durante le quali gli studenti apprendono i principi fondamentali per la realizzazione di sistemi di analisi visuale. |
|---|
| Altre informazioni |
La frequenza non è obbligatoria ma è fortemente consigliata. L'esperienza del docente è che la maggior parte degli studenti che frequenta il corso supera l'esame nei primi due appelli con voti sopra la media. Il ricevimento studenti si tiene il martedì dalle 18:00 alle 19:30. |
|---|
| Modalità di verifica dell'apprendimento |
Esame orale di natura teorica e applicativa, che comprende anche la discussione di un progetto. Durata: 30-45 minuti. Punteggio: 30/30. Obiettivo: accertare le conoscenze sui concetti teorici impartiti nell'insegnamento e valutare abilità pratiche e competenze ingegneristiche nell'applicazione di tali concetti su casi d'uso concreti. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
|---|
| Programma esteso |
Il corso illustra alcune tecniche di base per la visualizzazione dell'informazione, con particolare enfasi su metodi e modelli algoritmici. Il corso si articola su 36 lezioni di due ore ciascuna. Il programma è elencato nel seguito, indicando per ogni lezione l'argomento in essa trattato. Lez.1 Introduzione alla visualizzazione dell'informazione. Lez.2 Modelli di progetto: modello annidato e modello lineare. Lez.3 Modellazione dei dati. Lez.4 Modellazione dei task. Lez.5 Principi della percezione. Lez.6 Idiomi visuali (parte I). Lez.7 Idiomi visuali (parte II). Lez.8 Progettazione delle interazioni. Lez.9 Scelte tecnologiche. Lez.10 Librerie e interfacce grafiche. Lez.11 Convex hull e 1D range search. Lez.12 2D range search. Lez.13 Blocchi. Lez.14 Treemap. Lez.15 Disegni di alberi (parte I). Lez.16 Disegni di alberi (parte II). Lez.17 Metodi force directed (parte I). Lez.18 Metodi force directed (parte II). Lez.19 Disegni polyline di grafi diretti (parte I). Lez. 20 Disegni polyline di grafi diretti (parte II). Lez. 21 Disegni polyline di grafi diretti (parte III). Lez. 22 Disegni polyline di grafi diretti (parte IV). Lez. 23 Introduzione e richiami sulla planarità. Lez. 24 Test di planarità e planarizzazione. Lez. 25 Richiami sulle tecniche di flusso. Lez. 26 Disegni ortogonali (parte I). Lez. 27 Disegni ortogonali (parte II). Lez. 28 Disegni ortogonali (parte III). Lez. 29 Disegni ortogonali (parte IV). Lez. 30 Disegni ortogonali (parte V). Lez. 31 Minimizzazione della lunghezza degli archi. Lez. 32 Esempio di progetto. Lez. 33 Introduzione a D3.js. Lez. 34 D3 - lavorare con i dati (parte I). Lez. 35 D3 - lavorare con i dati (parte II). Lez. 36 D3 - force directed. |
|---|
| Obiettivi Agenda 2030 per lo sviluppo sostenibile |
|
|---|
