Corso di laurea: Informatica Programmazione per l'A.A. 2022/2023

Sistemi di Rete e Sicurezza

Primo anno

Primo semestre

Insegnamento	CFU	SSD	Ore Lezione	Ore Eserc.	Ore Lab	Ore Altro	Ore Studio	Attività	Lingua
72368 - ALGORITMI E COMPLESSITA' - CANTONE Domenico (programma) Descrizione generale del corso Vengono presentate e analizzate, anche mediante la tecnica dell'analisi ammortizzata, diverse strutture dati avanzate (quali B-tree, splay tree, heap binomiali e heap di Fibonacci) e le procedure per la loro gestione. Inoltre vengono studiati, progettati e analizzati algoritmi su grafi per la soluzione efficiente di svariati problemi di ottimizzazione. PROGRAMMA PARTICOLAREGGIATO DEL CORSO Analisi ammortizzata Stack con multipop e contatore binario Metodi dell'aggregazione, degli accantonamenti e del potenziale Tabelle dinamiche con inserimenti e cancellazioni Strutture dati avanzate B-alberi: applicazioni, altezza, ricerca, inserimenti e cancellazioni Splay trees: ricerca, inserimenti e cancellazioni, analisi ammortizzata di m operazioni di cui n sono inserimenti; top-down splay trees Strutture dati per insiemi disgiunti: unione per ranghi, compressione dei cammini, algoritmo Union-Find, notazione di Knuth, funzione di Ackermann e sua inversa Heap binomiali: alberi binomiali, operazioni di inserimento, minimo ed estrazione del minimo, decremento di una chiave, cancellazione di una chiave, unione di due heap binomiali Heap di Fibonacci: alberi binomiali non ordinati, operazioni di inserimento, minimo ed estrazione del minimo, decremento di una chiave, cancellazione di una chiave, unione di due heap di Fibonacci, analisi ammortizzata Cammini minimi da una singola sorgente in grafi orientati Grafo dei cammini minimi, albero dei cammini minimi, algoritmo generico per i camminimi minimi da singola sorgente, algoritmo di Bellman-Ford, algoritmo di Dijkstra, algoritmo lineare su grafi aciclici Cammini minimi tra tutte le coppie di nodi in grafi orientati Algoritmo di Floyd-Warshall, chiusura transitiva, algoritmo di Johnson su grafi sparsi Alberi ricoprenti minimi Passi rossi e passi blu, invariante del colore, algoritmi di Boruvka, di Kruskal e di Prim, clustering di massima separazione Reti di flusso e applicazioni Flusso reale e flusso netto in una rete di flusso, proprietà del flusso netto, reti con sorgenti e pozzi multipli, notazione di sommatoria implicita, il metodo di Ford-Fulkerson, capacità e rete residue, cammini aumentanti, tagli in reti di flusso, teorema del massimo flusso/minimo taglio, analisi della procedura di Ford-Fulkerson, abbinamento massimo in grafi bipartiti, algoritmo di Edmonds-Karp e sua analisi di complessità, edge-connectivity. Il libro di testo consigliato è: T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein. Introduction to algorithms (Third Edition), The MIT Press, Cambridge - Massachusetts, 2009 disponibile anche nella traduzione italiana 1) T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein. Introduzione agli algoritmi e strutture dati 3/ed, McGraw-Hill Italia, 2010. Altra fonte: 2) M.A. Weiss. Data structures and algorithmic analysis in C (Second Edition), Addison-Wesley, 1996.	9	INF/01	36	36	-	-	-	Attività formative caratterizzanti	ITA
1014456 - OTTIMIZZAZIONE - SCRIMALI Laura Rosa Maria (programma) 1. PROGRAMMAZIONE LINEARE (circa 12 ore) Problemi di PL. Algoritmo del Simplesso. Teoria della Dualità. 2. PROGRAMMAZIONE LINEARE INTERA (circa 6 ore) Esempi di problemi di PLI. Problema del trasporto e dell'assegnamento. Metodo dei piani di taglio. Metodo del Branch and Bound. Problema dello zaino. Problema del commesso viaggiatore. 3. PROGRAMMAZIONE NON LINEARE (circa 6 ore) Condizioni di ottimalità. Metodi risolutivi per l'ottimizzazione vincolata e non vincolata. 4. RISOLUZIONE DI PROBLEMI DI OTTIMIZZAZIONE (circa 24 ore) Risoluzione analitica e con l'utlizzo di software (GeoGebra, Excel, Matlab, Mathematica). [1] R. Tadei, F. Della Croce, “Elementi di Ricerca Operativa”, Società Editrice Esculapio, 2010; [2] R. Baldacci, M. Dell’Amico, “Fondamenti di Ricerca Operativa”, Pitagora Editrice, 2002 [3] M. Bruglieri, A. Colorni, “Ricerca Operativa”, Zanichelli, 2012; [4] F. Fumero, Metodi di ottimizzazione. Esercizi ed applicazioni, Società Editrice Esculapio, 2013[5] F.S. Hillier, G.J. Lieberman, Ricerca Opeativa, Mc Graw Hill Materiale fornito dal docente.	6	MAT/09	24	24	-	-	-	Attività formative affini ed integrative	ITA
1015941 - INGEGNERIA DEI SISTEMI DISTRIBUITI E LABORATORIO
1015942 - INGEGNERIA DEI SISTEMI DISTRIBUITI - TRAMONTANA EMILIANO ALESSIO (programma) Design pattern per sistemi distribuiti: Proxy, Broker, Forward-Receiver, Remote Facade, Data Transfer Object, Session State, Serialized Large Object, Memento. Design pattern per la sicurezza: Role-based Access Control, Authenticator, token, Authorizer. Progettazione ed implementazione del software orientato agli aspetti. Design pattern ad aspetti e Refactoring ad aspetti. Implementazione di chiamate asincrone in Java. Reactive programming con design pattern Circuit Breaker, Bulkheads, Timeout. Middleware orientato ai messaggi RabbitMQ. Tecnologia Blockchain. 1.F. Buschmann, R. Meunier, H. Rohnert, P. Sommerlad, M. Stal. Pattern-Oriented Software Architecture A System of Patterns. John Wiley and Sons, 1996 2.M. Fowler. Patterns of Enterprise Application Architecture. Addison-Wesley, 2003 3. M. Schumacher, E. Fernandez-Buglioni, D. Hybertson, F. Buschmann, P. Sommerlad. Security Patterns: Integrating Security and Systems Engineering. John Wiley and Sons, 2006 4. R. Laddad. AspectJ in Action: Enterpriese AOP with Spring Applications. Manning Publications. 2010. 5. R.-G. Urma, M. Fusco, A. Mycroft. Java 8 in Action: Lambdas, streams, and functional-style programming. Manning, 2015 6.G. Hohpe, B. Woolf. Enterprise Integration Patterns. Addison-Wesley, 2003 7. A. Videla, J.J.W. Williams. RabbitMQ in Action. Manning, 2012 8. A. M. Antonopoulos. Mastering Bitcoin. Programming the open blockchain. O'Reilly, 2017 9.R. Kuhn. Reactive Design Patterns. Manning, 2017	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1015943 - LABORATORIO - FORNAIA ANDREA FRANCESCO (programma) Introduzione ai DevOps. Git Workflow e sviluppo distribuito. Maven. Unit Testing e generazione automatica di test. Mutation Testing. Testing Combinatoriale. Microservizi. Microservizi con Spring Boot. Distributed Tracing. G. Kim et al.: The DevOps Handbook.It Revolution Press, 2016 S. Chacon and B. Straub: Pro Git.Apress, 2014 Sonatype Company:Maven: The Definitive Guide.O'Reilly, 2008 D. R. Kuhn et al.: Practical Combinatorial Testing.NIST Special Publication, 2010 M. Young and M. Pezze: Software Testing and Analysis: Process, Principles and Technique. John Wiley and Sons, 2008 B. Laboon:A Friendly Introduction to Software Testing.CreateSpace Independent Publishing,2017 S. Newman: Building Microservices.O'Reilly, 2015 M. Macero: Learn Microservices with Spring Boot.Apress, 2017 Yuri Shkuro:Mastering Distributed Tracing: Analyzing performance in microservices and complex systems.Packt Publishing, 2019	3	INF/01	12	-	12	-	-	Attività formative caratterizzanti	ITA
1015109 - CRITTOGRAFIA - CATALANO Dario (programma) 1. Introduzione e breve panoramica del corso Materiale: Cap 1 di [1] 2. Cifrari Storici e One Time Pad. Il cifrario shift cipher. Il cifrario substituition cipher. Crittanalisi di substitution cipher. Perfetta Sicurezza. Subst. Cipher non offre perfetta sicurezza (dimostrazione). One time pad. One time pad offre perfetta sicurezza (dimostrazione). One time pad è ottimo (dimostrazione). Teorema di Shannon (enunciato) Materiale: Cap 2 di [1] e cap. 2 di [3] 3. Cifrari a Blocchi: AES Materiale: Cap 3 di [1] 4. Funzioni e permutazioni Pseudo Casuali. Introduzione e definizioni. Applicazioni ai cifrari a blocchi. Qualche esempio. La sicurezza in senso prf implica sicurezza in senso key recovery (dimostrazione). Il paradosso del compleanno. Materiale: Cap. 4 e Appendice di [1] 5. Cifrari Simmetrici: modi d'operazione. Modo ECB, Modo CBC$, Modi CTR (a stati e randomizzato). Nozione di sicurezza per cifrari simmetrici: IND-CPA. Attacchi a messaggio scelto e attacchi a crittotesto scelto. Prova che un cifrario deterministico non può essere sicuro. Ind-cpa security implica plaintext recovery security (dimostrazione). Indistinguibilità relativamente ad attacchi a crittotesto scelto: IND-CCA security. Ind-cpa security non implica ind-cca security: il caso di CTR$ (dimostrazione) Materiale: Cap 5 di [1] e Cap 3 di [3] 6. Funzioni Hash.. Resistenza alle collisioni: funzioni universali, funzioni universali unidirezionali, funzioni resistenti alle collisioni. Attacchi generici alle funzioni hash. Attacchi alle funzioni MD4, MD5, SHA1 (cenni). La trasformazione Merkle-Damgard. Cenni su SHA3. Materiale: Cap 6 di [1] e Appunti 7. Message Authentication. Definizione di sicurezza per MAC. Il paradigma PRF as a MAC. CBC-MAC. Basic CBC-MAC se applicato a messaggi di lunghezza variabile non è sicuro (dimostrazione). (In)sicurezza di CBC-MAC randomizzato. CBC-MAC per messaggi di lunghezza variabile. MAC da funzioni hash: HMAC. Materiale: Cap 7 di [1] e Cap 4 di [3] 8. Introduzione alla crittografia asimmetrica. Funzioni unidirezionali e funzioni trapdoor. Richiami di teoria dei numeri computazionale. Generalità sui gruppi. Algoritmo di Euclide, teorema cinese del resto. Quadrati residui. Materiale: Cap 9 di [1], capitoli vari di [2] 9. Primitive Asimmetriche. Il problema del logaritmo discreto su campi finiti. Il problema computazionale Diffie Hellman. Il problema decisionale Diffie-Hellman. Fattorizzazione. La funzione RSA. Cenni su test di primalità. Algoritmo Miller-Rabin. L'algoritmo square and multiply. Materiale: Cap 10 di [1]. Appunti delle lezioni. 10. Cifrari Asimmetrici. Definizioni di sicurezza per cifrari asimmetrici. Cifrari Asimmetrici. Definizione di sicurezza per cifrari asimmetrici. Il cifrario El Gamal. Il cifrario El Gamal è sicuro (in senso IND-CPA) relativamente all'ipotesi decisional Diffie-Hellman (dimostrazione). Il cifrario Paillier. Preliminari matematici. Il cifrario Paillier gode della proprietà di omomorfismo additivo (dimostrazione). Il cifrario RSA-OAEP. Proprietà del cifrario. Cifrari basati sull'identità: il cifrario Boneh Franklin. Mappe bilineari. Proprietà del cifrario. Materiale: Cap 11 di [1] Cap 11 di [3] e appunti delle lezioni. 11. Firme digitali. Preliminari. Definizione di sicurezza per firme digitali. Hash and Sign. Materiale: Cap 12 di [1] Appunti delle lezioni. 12. Advanced Encryption Mechanisms. Fully Homomorphic Encryption. Functional Encryption Materiale: MAteriale fornito dal docente [1] M. Bellare, P. Rogaway “Introduction to Modern Cryptography” Scaricabile dahttp://www.cs.ucsd.edu/~mihir/cse107/classnotes.html [2] V. Shoup A Computational Introduction to Number Theory and Algebra Scaricabile dahttp://shoup.net/ntb/ [3] J. Katz, Y. Lindell “Introduction to Modern Cryptography” CRC press	9	INF/01	36	36	-	-	-	Attività formative caratterizzanti	ITA

Secondo semestre

Insegnamento

CFU

SSD

Ore Lezione

Ore Eserc.

Ore Lab

Ore Altro

Ore Studio

Attività

Lingua

1014458 - COMPUTER SECURITY E LABORATORIO

1014459 - COMPUTER SECURITY

- BELLA Giampaolo (programma)

INF/01

Attività formative caratterizzanti

ITA

1014460 - LABORATORIO

- BELLA Giampaolo (programma)

INF/01

Attività formative caratterizzanti

ITA

1014439 - ANALISI NUMERICA

- BOSCARINO SEBASTIANO (programma)

MAT/08

Attività formative affini ed integrative

ITA

Gruppo opzionale: GRUPPO OPZIONALE Sistemi e sicurezza PRIMO ANNO 2° SEMESTRE - (visualizza)

1014455 - BIG DATA - PULVIRENTI ALFREDO (programma) Mining alto supporto: apriori sue estensioni: PCY, estensioni iceberg generazione degli insiemi frequenti senza il calcolo dei candidati Sistemi di raccomandazione: collaborative filtering NBI Modelli ibridi Map-Reduce: Concetti, motivazioni e algoritmi: conteggio parole documenti, prodotto vettore/matrice; Prodotto matrice/matrice; Join; Group By hadoop Beyond map-reduce Ricerca di similarità su alte dimensioni: Shingling Min-Hashing LSH Min-LSH Dimensionality reduction: PCA SVD CUR Applicazione LSI Teorema di Johnson-Lindenstrauss Link Analysis: PageRank Link spam Hub-Authorities Applicazioni su Map-Reduce Web Advertising: Algoritmi online Adword e sue implementazioni Graph mining e network analysis: Modelli di reti Random Conteggio triangoli subgraph matching e motif finding community detection: overlapping communities Network alignment Text mining Cenni sul text mining: TF.IDF, Bag-Of-Word, Entity annotation Collegamento con dimensionality reduction Mining of Massive Datasets Jure Leskovec,Anand Rajaraman,Jeff Ullman http://www.mmds.org	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1014450 - MACHINE LEARNING - FARINELLA GIOVANNI MARIA (programma) Basic Concepts:Machine Learning, Probability Theory, Supervised Learning, Unsupervised Learning, Classificazione, Regressione, Training/Validation/Test Set, Performance Evaluation, Data Normalization, Overfitting and Regularization, XOR Problem, Perceptron Linear Models for Regression:Linear Regression, Gradient descent algorithm,Learning Rateand Debugging, Polynomial Regression,Overfitting e Regularization for Linear Regression,Regressione Lineare in Pytorch, API ad oggetti di Pytorch, Monitoring del training mediante Visdom,Linear Regression Evaluation, Learning Algorithms Design Linear Models for Classification:Logistic Regression,Logistic Regression with Pytorch, Regularization for Logistic Regression, Stocastic Gradient Descent, Momentum for Gradient Descent, Multi-Class Classification, Classifiers Evaluation Softmax Classifier and python implementation Computational Graphs and Backpropagation Neural Networksand python implementation Deep Learning: Convolutional Neural Network and python implementation, Transfer Learning Advancet Deep Learning: Introduction to LSTM, Autoencoders, Metric Learning Python programming and Python Libraries for Machine Learning R. O. Duda, P. E. Hart, D. G. Stork, "Pattern Classification", Wiley, 2000 C. Bishop, “Pattern Recognition and Machine Learning", Springer, 2006 E. Alpaydin, “Introduction to Machine Learning”, MIT Press, 2014 I. Goodfellow, Y. Bengio and A. Courville, "Deep Learning", MIT Press, 2016 Raul Rojas,Neural Networks - A Systematic Introduction, Springer, 1996 M. P. Deisenroth, A A. Faisal, and C. Soon On,Mathematics for Machine Learning, MIT Press, 2019	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9795444 - BLOCKCHAIN E CRYPTOCURRENCIES - CATALANO Dario (programma) 1. Introduzione e breve panoramica dei contenuti del corso. 2. Introduzione alla crittografia e alle cryptocurrencies. Firme digitali. Breve introduzione alle firme digitali. Caso Concreto Firme DSA. Commitment schemes e loro proprietà. Hash functions crittografiche e loro proprietà. Blockchain e Merkle Trees. Cryptocurrencies elementari e perché non funzionano. Materiale: [1] Capitolo 1 3. Il protocollo di Bitcoin Il problema del consenso. Come Bitcoin realizza consenso. Incentivi e Proof of work. La meccanica di Bitcoin. Transazioni. Primissimi dettagli su bitcoin scripts. Semplici applicazioni e limiti.La rete Bitcoin. Materiale: [1] Capitoli 2, 3 4. Bitcoin applications, security e mining Come “conservare” bitcoin. Wallets, hot e cold wallets. Chiavi distribuite. Secret Sharing. Introduzione a threshold cryptography. Schemi di firma distribuiti. Mining. Mining hardware. Il costo di produrre bitcoin e il conseguente impatto energetico. Materiale: [1] Capitoli 4, 5 5. Privacy e Anonimato e nelle cryptocurrencies. Il problema dell’anonimato in Bitcoin. Come de-anonimizzare Bitcoin. Contromisure. Criptovalute e anonimato. Zero Knowledge proofs. Zerocoin e Zerocash. Vantaggi e svantaggi. Materiale: [1] capitolo 6, e per approfondire [5] e [6]. 6. Ethereum e Smart contract applications & security Materiale: [1] Capitolo 10 e per approfondire [3] 7. Approcci alternativi a mining e consenso Proof of Stake. Proof of stake vs proof of work. Problemi inerenti a proof of stake: grinding attack, nothing at stake problem. Ulteriori prerequisiti crittografici. Pseudorandom Functions e Verifiable Random Functions. La soluzione di Algorand. [1] Capitolo 8 e per approfondire [7] 8. Laboratorio Ethereum, Smart Contracts, Ethereum Virtual Machine (EVM) e introduzione alla scrittura di Smart Contracts usando il linguaggio Solidity. Materiale: [3], [8] Testo principale [1] Arvind Narayanan, Joseph Bonneau, Edward Felten, Andrew Miller, Steven Goldfeder Bitcoin and Cryptocurrency Technologies: A Comprehensive Introduction (Author’s preprint edition disponibile gratuitamente al sito: https://bitcoinbook.cs.princeton.edu/) Altre letture consigliate: [2] Bitcoin Developer Referencehttps://bitcoin.org/en/developer-reference [3] Ethereum “white” paper:https://github.com/ethereum/wiki/wiki/White-Paper [4] Ethereum “yellow” paper:http://gavwood.com/paper.pdf [5] Zerocoin: Anonymous Distributed e-cash from Bitcoin. [6] Zerocash: Decentralized Anonymous Payments from Bitcoin [7] Algorand: Scaling Byzantine Agreements for Cryptocurrencies [8] Guida "Solidity":https://solidity.readthedocs.io - DI RAIMONDO MARIO (programma) 1. Introduzione e breve panoramica dei contenuti del corso.2. Introduzione alla crittografia e alle cryptocurrencies.Firme digitali. Breve introduzione alle firme digitali. Caso Concreto Firme DSA. Commitment schemes e loro proprietà. Hash functions crittografiche e loro proprietà. Blockchain e Merkle Trees. Cryptocurrencies elementari e perché non funzionano.Materiale: [1] Capitolo 13. Il protocollo di BitcoinIl problema del consenso. Come Bitcoin realizza consenso. Incentivi e Proof of work. La meccanica di Bitcoin. Transazioni. Primissimi dettagli su bitcoin scripts. Semplici applicazioni e limiti. La rete Bitcoin.Materiale: [1] Capitoli 2, 34. Bitcoin applications, security e miningCome “conservare” bitcoin. Wallets, hot e cold wallets. Chiavi distribuite. Secret Sharing. Introduzione a threshold cryptography. Schemi di firma distribuiti. Mining. Mining hardware. Il costo di produrre bitcoin e il conseguente impatto energetico.Materiale: [1] Capitoli 4, 55. Privacy e Anonimato e nelle cryptocurrencies.Il problema dell’anonimato in Bitcoin. Come de-anonimizzare Bitcoin. Contromisure. Criptovalute e anonimato. Zero Knowledge proofs. Zerocoin e Zerocash. Vantaggi e svantaggi.Materiale: [1] capitolo 6, e per approfondire [5] e [6].6. Ethereum e Smart contract applications & securityMateriale: [1] Capitolo 10 e per approfondire [3]7. Approcci alternativi a mining e consensoProof of Stake. Proof of stake vs proof of work. Problemi inerenti a proof of stake: grinding attack, nothing at stake problem. Ulteriori prerequisiti crittografici. Pseudorandom Functions e Verifiable Random Functions. La soluzione di Algorand.[1] Capitolo 8 e per approfondire [7]8. LaboratorioEthereum, Smart Contracts, Ethereum Virtual Machine (EVM) e introduzione alla scrittura di Smart Contracts usando il linguaggio Solidity.Materiale: [3], [8] Testo principale[1] Arvind Narayanan, Joseph Bonneau, Edward Felten, Andrew Miller, Steven GoldfederBitcoin and Cryptocurrency Technologies: A Comprehensive Introduction(Author’s preprint edition disponibile gratuitamente al sito:https://bitcoinbook.cs.princeton.edu/)Altre letture consigliate:[2] Bitcoin Developer Referencehttps://bitcoin.org/en/developer-reference[3] Ethereum “white” paper:https://github.com/ethereum/wiki/wiki/White-Paper[4] Ethereum “yellow” paper:http://gavwood.com/paper.pdf[5] Zerocoin: Anonymous Distributed e-cash from Bitcoin.[6] Zerocash: Decentralized Anonymous Payments from Bitcoin[7] Algorand: Scaling Byzantine Agreements for Cryptocurrencies[8] Guida "Solidity":https://solidity.readthedocs.io	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ENG
9796654 - FUNCTIONAL AND CONCURRENT PROGRAMMING PRINCIPLES - BARBANERA Franco (programma) Concurrent and distributed programming in non-imperative programming paradigms. Introduction to Functional Programming. Main functional-programming concepts: Order of evaluation, Recursion; Higher-order functions; Anonymous functions; Curryfication; Lists; Recursion; Correctness proofs. Short review of the Lambda-calculus Types for functional programming. Introduction to Haskell; Polymorphic types; Pattern Matching; Type Classes. Infinite structures. Tail recursion The actors model of concurrent programming; A Concurrent functional language: Erlang Concurrent Programming in Erlang Process calculi: Introduction to the Pi-calculus;. Process calculi: Sketchy introduction to contextual equivalence and bisimulation Introduction to the PICT language; Core Pict. Overview of Session Types. Session and Refinement Types: the language SePi. Introduction to Scribble An experimental language with multiparty session types Overview of process calculi for distributed programming. Basics of distributed programming in Erlang. http://www.dmi.unict.it/barba/FOND-LING-PROG-DISTR/PROGRAMMI-TESTI/programmaAAcorrente.html"Testi di riferimento	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA

1001538 - STAGES E TIROCINI

150

Ulteriori attività formative (art.10, comma 5, lettera d)

ITA

Secondo anno

Primo semestre

Insegnamento

CFU

SSD

Ore Lezione

Ore Eserc.

Ore Lab

Ore Altro

Ore Studio

Attività

Lingua

1003552 - ULTERIORI CONOSCENZE LINGUISTICHE LINGUA INGLESE

- CACCIOLA GIULIANA

Ulteriori attività formative (art.10, comma 5, lettera d)

ITA

1014561 - PEER TO PEER AND WIRELESS NETWORKS E LABORATORIO

1014562 - PEER TO PEER AND WIRELESS NETWORKS

- RICCOBENE Salvatore Antonio (programma)

INF/01

Attività formative caratterizzanti

ITA

1014563 - LABORATORIO

- RICCOBENE Salvatore Antonio (programma)

INF/01

Attività formative caratterizzanti

ITA

Gruppo opzionale: GRUPPO OPZIONALE Sistemi e sicurezza SECONDO ANNO I° SEMESTRE - (visualizza)

1015622 - CRYPTOGRAPHIC ENGINEERING - DI RAIMONDO MARIO (programma) Il corso è una prosecuzione del percorso teorico iniziato con l'insegnamento "Crittografia" e rappresenta un ponte verso il mondo pratico. Gli argomenti trattati ricadono nella cosiddetta "Cryptographic Engineering": fusione di conoscenze teorico-pratiche che permettono di implementare schemi crittografici in modo corretto, sicuro ed efficiente. Una parte del corso è dedicata al richiamo dei concetti e definizioni principali dal corso di teoria e alla presentazione degli algoritmi efficienti che stanno alla base di qualunque implementazione di numeri a multi-precisione (MPI). Tali conoscenze saranno indispensabili per ottimizzare le prestazioni delle proprie implementazioni e per meglio comprendere alcuni attacchi crittografici avanzati visti durante il corso. Una parte del corso sarà dedicata allo studio di standard reali (SSL/TLS, SSH) e alla presentazione di attacchi crittografici notevoli ai loro danni: tale studio permetterà di meglio comprere alcuni dei principi generali alla base di qualunque implementazione corretta e sicura. Tra gli attacchi presentati ci saranno anche i cosiddetti "Side-Channel Attack": con particolare focus su quelli basati sul timing delle primitive crittografiche attaccate. L'ultima parte del corso sarà dedicata ai dettagli tecnici sugli strumenti e le tecniche per le implementazioni crittografiche. [AvOV] Alfred Menezes, Paul van Oorschot, Scott Vanstone:Handbook of Applied Cryptography [PP] Christof Paar, Jan Pelzl:Understanding Cryptography: A Textbook for Students and Practitioners [S] N.P. Smart: Cryptography Made Simple A lezione si farà inoltre riferimento a svariati articoli scientifici di volta in volta segnalati.	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1014420 - LINGUAGGI FORMALI - MADONIA Maria Serafina (programma) Introduzione ai linguaggi formali: Grammatiche e riconoscitori. Automi a stati finiti e linguaggi regolari: Automi a stati finiti: deterministici, non deterministici, con epsilon-transizioni. Equivalenza fra Automi a stati finiti con epsilon-transizioni e Automi a stati finiti senza epsilon-transizioni. Proprieta’ di chiusura della classe dei linguaggi AF-regolari. Espressioni regolari e linguaggi regolari. Ogni linguaggio regolare e’ AF-regolare. Teorema di Kleene. Pumping lemma per linguaggi regolari (solo enunciato). Applicazioni del Pumping Lemma: algoritmi di decidibilità per linguaggi regolari. Teorema di Myhill-Nerode. Minimizzazione di automi a stati finiti. Applicazioni. Grammatiche context-free: Alberi di derivazione. Semplificazione di grammatiche context-free: eliminazione dei simboli inutili; eliminazione delle epsilon-produzioni; eliminazione delle produzioni unitarie. Forma normale di Chomsky:trasformazione di una grammatica context-free in un equivalente in CNF. Forma normale di Greibach (solo la definizione). Grammatiche ambigue, non-ambigue e inerentemente ambigue. Pumping Lemma per linguaggi context-free. Applicazioni del Pumping Lemma per linguaggi context-free. Lemma di Ogden (solo enunciato). Il linguaggio L= {aibjck \| i ≠ j, j ≠ k , i ≠ k} non e’ context-free. Problema dell’appartenenza per linguaggi context-free. Applicazioni. Automi a pila: Linguaggio accettato per stack vuoto e per stati finali. Equivalenza dei due metodi di accettazione. Automi a pila deterministici. Equivalenza tra automi a pila e grammatiche context-free. Applicazioni. Macchine di Turing: Linguaggi ricorsivamente enumerabili. Equivalenza fra macchine di Turing deterministiche e non deterministiche. Equivalenza fra macchine di Turing e grammatiche senza restrizioni. Applicazioni. Automi linear-bounded e linguaggi context-sensitive: Definizioni ed esempi Equivalenza tra automi linear-bounded e grammatiche context-sensitive. Gerarchia di Chomsky Libro di testo: 1) John E. Hopcroft, Rajeev Motwani, Jeffrey D Ullman.Automi, linguaggi e calcolabilità, Pearson Paravia Bruno Mondadori S.p.A. Terza Edizione, Marzo 2009. Per una trattazione più approfondita e un’inquadramento più generale dei vari argomenti si consiglia di consultare anche: 2) John E. Hopcroft, Jeffrey D Ullman.Introduction to automata theory, languages and computation, Addison-Wesley	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9795447 - QUANTUM COMPUTER PROGRAMMING - FARO SIMONE (programma) Il corso fornisce un'introduzione agli algoritmi quantistici, coprendo molti algoritmi chiave. Richiede un background minimo e non presuppone alcuna conoscenza della teoria quantistica o della meccanica quantistica. Il corso presenta il calcolo quantistico in termini di algebra lineare elementare assumendo che il lettore abbia una certa familiarità con i vettori, le matrici e le loro proprietà di base, ma offrendo una rassegna di tutto il materiale rilevante dell'algebra lineare. Enfatizzando il calcolo e gli algoritmi piuttosto che la fisica, questo corso rende gli algoritmi quantistici accessibili a studenti e ricercatori in informatica senza le complicazioni della notazione della meccanica quantistica, dei concetti fisici e delle questioni filosofiche. Dopo aver spiegato lo sviluppo di operazioni e calcoli quantistici basati sull'algebra lineare, il corso presenta le principali porte quantistiche e algoritmi quantistici, dagli algoritmi di Deutsch, Jozsa e Simon, passando per Shor, fino all'algoritmo di ricerca di Grover. Le dimostrazioni matematiche sono generalmente brevi e dirette. Il corso introduce anche i principi della programmazione quantistica attraverso l'uso dell'SDK Qiskit, che consente agli utenti di eseguire esperimenti su dispositivi quantistici reali all'avanguardia. Il corso fornisce agli studenti gli strumenti per utilizzare Qiskit nella sperimentazone degli algoritmi su hardware quantistici e utilizza tali strumenti per rafforzare la loro comprensione. 1) Quantum Algorithms via Linear Algebra, di Richard J. Lipton e Kenneth W. Regan. The MIT Press Cambridge, Massachusetts London, England. 2) Qiskit Textbook, Learn Quantum Computation Using Qiskit, 2020. Disponibile online: http://community.qiskit.org/textbook	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9795448 - VULNERABILITY ASSESSMENT E PENETRATION TESTING (VAPT) - BELLA Giampaolo (programma) Prerequisiti e real-world outlook. Requisiti giuridici alla base dell’attività di VAPT. Differenze tra VA e PT. Testing in the wild vs Attività contrattualizzata vs Bug Bounty Program. Esempio di contratto di VAPT, e di policy per Bug Bounty Program. Fasi: Information Gathering, Threat Modeling, Vulnerability Analysis, Exploitation, Post-Exploitation, Reporting. Tipologie: Differenze tra classico PT e Red Team vs Blue Team (cyber exercise). Blue Team aware vs Blue Team not aware. Metodologie. PTES Technical Guidelines. Metodologia OWASP. OSSTMM. ISSAF. NISTSP800-115 Kali Linux. Impostazione ambiente per VAPT. Information Gathering. OSINT: data centers, offices, partners, individuals, emails, domain names, on-location gathering. Threat Modeling- Security boundaries. Vulnerability assessment. Utilizzo di diversi tool, testing attivo (OpenVAS, Nessus) e passivo (Wireshark, tcpdump). Licenze free o a pagamento. Exploitation Bypass AV/Firewall. Automatizzata: Metasploit, tool per fuzzing (wfuzz). Manuale: Reverse shell, Buffer Overflow, SQLi, XSS, CSRF, SSRF, RCE, Path Traversal, Code/Template Injection. Modifica di exploit esistenti. Social Engineering. Privilege escalation. Audio/video capture, data exfiltration. Evasion techniques. Post-exploitation. Lateral movement. Uninstalling software. Remote system access. Deleting logs. Obtaining/extracting and cracking password hashes. Reporting. Impostazione del report di massima (technical report e executive report). Score/gravità vulnerabilità trovate. Analisi dei rischi. Suggerimento mitigation. Capture The Flag David Basin, Patrick Schaller, Michael Schläpfer "Applied Information Security", 2011, Springer Peter Kim “The Hacker Playbook 3, Practical Guide to Penetration Testing”, 2018, Secure Planet LLC	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9796004 - INTERNET OF THINGS - SANTORO FEDERICO FAUSTO (programma) Contenuti del CorsoIntroduzione ai sistemi IoTCos’è l’IoTElementi di un ecosistema IoTTecnologie e business per l’IoTApplicazioni IoT e implicazioniComponenti IoTDai sensori ai GatewayMicrocontrollori (Esp8266, Esp32, STM32, Arduino, Raspberry)SensoristicaSistemi Embedded (Raspberry, Pi Zero)Frameworks (Arduino, FreeRTOS, Gobot, etc)Reti e ConnettivitàTecnologie wireless per l’IoTRFIDLe reti LoWPANIntroduzione ai protocolli LoWPAN per l’IoT (non-IP) (Bluetooth, BLE, 802.15.4)Introduzione ai protocolli WLAN per l’IoT (Wi-Fi, 6LoWPAN)Introduzione ai protocolli WSAN per l’IoT (LoRa, SigFox)Comunicazione attraverso InternetProgettazione di una soluzione Gateway basedProtocolli di comunicazione per l’IoTHTTPMQTTWebSocketsIntegrazione dei sistemi IoTIntegrazione con il WebProgettazione e sviluppo di una soluzione complessaIntroduzione a LoRaWANIntroduzione a ChirpstackIntroduzione a DockerRealizzazione di una soluzione LoRaWANMachine learning applicato all’IoTIntroduzione a KerasIntroduzione a TensorFlow LiteIntroduzione a TensorFlow JSRealizzazione ed utilizzo di un modello di rete neurale su dispositivi IoT Il docente fornirà il materiale	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA

1004570 - INSEGNAMENTO A SCELTA

Attività formative a scelta dello studente (art.10, comma 5, lettera a)

ITA

1001829 - ULTERIORI ATTIVITA' FORMATIVE

- BATTIATO SEBASTIANO (programma)

Ulteriori attività formative (art.10, comma 5, lettera d)

ITA

Secondo semestre

Insegnamento	CFU	SSD	Ore Lezione	Ore Eserc.	Ore Lab	Ore Altro	Ore Studio	Attività	Lingua
1015944 - SISTEMI CLOUD E LABORATORIO
1015945 - SISTEMI CLOUD - PAPPALARDO Giuseppe (programma) Fondamenti e concetti di sistemi distribuitiIntroduzione ai sistemi distribuiti: storia, motivazioni, caratteristiche.Sincronizzazione dei clock fisici nei sistemi distribuiti.Clock logici di Lamport e ordinamento temporale.Costruzione dello stato globale in un sistema distribuito.Elezione e mutua esclusione in un sistema distribuito.La coerenza ("consistency") in un sistema distribuito: forme forti, forme deboli e rispettive applicazioni).Replicazione dei dati e delle computazioni nei sistemi distribuiti.La tolleranza ai guasti nei sistemi distribuiti: concetti e tecniche.Introduzione al cloud computingPrincipi e caratteristiche del cloud computingModell di servizio: IaaS, PaaS, SaaS, XaaSAspetti geografici del cloud computing. Regioni e availability zone di Amazon AWS. Edge locations. Availability.Modelli di costo e uso educational.Cloud e servizi di calcoloAWS EC2. Istanze: creazione e gestione.Accesso sicuro con chiave pubblica-privata.Istanze linux e ssh. Istanze Windows.Cloud e servizi di storageServizio AWS S3.Bucket come contenitore di oggetti persistenti. Proprietà e permessi.Gestione degli oggetti di un bucket.Controllo dell'accesso al cloudServizio AWS IAM: Identity and Access Management.Risorse,policydi accesso e permessiUtenti e gruppi di utentiNaming in AWS: Amazon Resource Name (ARN)File di policy: sorgente JSON e uso del wizard per le policyI ruoli AWS per autorizzazioni temporaneeAutenticazione federataAutenticazione multi-fattorePolicy user/group-centric e resource-centricAccessocross-acounta risorseCloud e networkingLe Virtual Private Cloud (VPC) di AWSRegioni, availability zones, VPC e subnetArchitetture di rete per applicazioni cloud multi-tierRoute table e gateway nelle VPC. IP pubblici. Sottoreti private, pubbliche ed ibride.Sicurezza nelle VPC: NACL (Network Access Control List) e Security group. Regole stateless e stateful, inbound e outbound.Apparentamento (peering) tra VPCLa Command Line Interface (CLI) di AWSInstallazione e configurazione della AWS CLI come package PythonAWS CLI e sicurezza. Chiavi. Credenziali. Profili. Ruoli.Struttura e sintassi dei comandi. Parametri. Help in linea. Sintassi JSON e sintassi abbreviata.Esempio: AWS CLI e EC2Il cloud elastico: load-balancing e auto-scaling in AWSElastic load balancing (ELB): routing di richieste verso un pool di istanze.Tipi di load balancer. Creazione di un LB. Gestione di un LB ed istanze EC2 collegate. Security.Health check di un pool load-balanced.Auto-scaling. Configurazioni di lancio. Creazione e gestione. Autoscaling e ELB.Policy di scaling: increase e decrease. Soglie per lo scaling. Notifica mediante SNS. Stress test.Cenni ad aspetti avanzati del cloud computingServizi AWS per IOT (Internet of Things)Servizi per il machine learning su cloud pubblicoServizi per big data su cloud pubblicoCloud e container Documentazione online, puntualmente indicata nelleNotedelle lezioni (pubblicate attraverso la piattaforma Teams d'ateneo o il portaleStudium).Sistemi distribuiti. Principi e paradigmi.Andrew S. Tanenbaum, Maarten Van Steen. Pearson/Paravia/Bruno Mondadori. 2007. ISBN 8871923669, 9788871923666Distributed Systems: Concepts and Design, 4thedition.Coulouris, Dollimore and Kindberg. Pearson Education. 2005.Note delle lezioni.	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1015946 - LABORATORIO - FORNAIA ANDREA FRANCESCO (programma) Virtualizzazione in ambiente LinuxLinguaggi di scripting per Infrastructure AutomationTecnologie di Infrastructure as Code per il DevOpsDocker e containerTecnologie e pattern per lo sviluppo di applicazioni Cloud NativeDevOps e CI/CD, GitOps Documentazione tecnica resa disponibile dal docente e in rete dai siti ufficiali delle tecnologie e dei servizi cloud oggetto del corso.	3	INF/01	12	-	12	-	-	Attività formative caratterizzanti	ITA
1000975 - INSEGNAMENTO A SCELTA	6		24	24	-	-	-	Attività formative a scelta dello studente (art.10, comma 5, lettera a)	ITA
1002356 - PROVA FINALE	18		-	-	-	450	-	Per la prova finale e la lingua straniera (art.10, comma 5, lettera c)	ITA

Data Science

Primo anno

Primo semestre

Insegnamento	CFU	SSD	Ore Lezione	Ore Eserc.	Ore Lab	Ore Altro	Ore Studio	Attività	Lingua
72368 - ALGORITMI E COMPLESSITA' - Erogato presso 72368 ALGORITMI E COMPLESSITA' in Informatica LM-18 CANTONE Domenico	9	INF/01	36	36	-	-	-	Attività formative caratterizzanti	ITA
1014456 - OTTIMIZZAZIONE - Erogato presso 1014456 OTTIMIZZAZIONE in Informatica LM-18 SCRIMALI Laura Rosa Maria	6	MAT/09	24	24	-	-	-	Attività formative affini ed integrative	ITA
1014452 - FONDAMENTI DI ANALISI DATI E LABORATORIO
1014453 - FONDAMENTI DI ANALISI DATI - GALLO Giovanni (programma) Statistica descrittiva e tecniche di visualizzazione. Correlazione e regressione lineare. Regressione non lineare. regressione logistica. Classificatori bayesiani: MAP. Apprendimento di un classificatore: tipi di errore. matrice di confuzione. Curve ROC. Dscriminati lienari: percettrone, discriminate lineare di Fisher, SVM. Kernel trick e SVM non lineari. PCA e altre tecniche non lineari di riduzione della dimenionalità. K-nn Alberi decisionali. CART. Clustering: k-means e clustering gerarchico. a) Chapters from: Pattern Recognition and Machine Learning (Information Science and Statistics) Bishop C.M: Editore: Springer, 2007 b) Chapters from:Python for Data Analysis: Data Wrangling with Pandas, Numpy, and IPython (Inglese) W.Mckinney O'reilly 2017	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1014454 - LABORATORIO - GALLO Giovanni (programma) Statistica descrittiva e tecniche di visualizzazione. Correlazione e regressione lineare. Regressione non lineare. regressione logistica. Classificatori bayesiani: MAP. Apprendimento di un classificatore: tipi di errore. matrice di confuzione. Curve ROC. Dscriminati lienari: percettrone, discriminate lineare di Fisher, SVM. Kernel trick e SVM non lineari. PCA e altre tecniche non lineari di riduzione della dimenionalità. K-nn Alberi decisionali. CART. Clustering: k-means e clustering gerarchico. metodi di ensamble. Boosting. Notebook Jupyter forniti dal docente Chapters from:Python for Data Analysis: Data Wrangling with Pandas, Numpy, and IPython (Inglese) W.Mckinney O'reilly 2017	3	INF/01	12	-	12	-	-	Attività formative caratterizzanti	ITA
1014444 - MULTIMEDIA E LABORATORIO
1014445 - MULTIMEDIA - ALLEGRA DARIO (programma) Nel modulo di laboratorio si riprenderanno i contenuti della parte teorica, fornendo degli strumenti pratici per poter implementare alcuni degli algoritmi noti. I linguaggi di programmazione utilizzati saranno Python e Matlab. ELABORAZIONE DELLE IMMAGINI DIGITALI, Terza Edizione, Rafael C. Gonzalez, Richard E. Woods, Ediz. Pearson, Prentice Hall Audio e multimedia 3 ed., di Lombardo, Valle, Apogeo ISBN: 9788850327621 Video Processing and Communications, Wang, Osternmann, Zhang, Prentice Hall, Pearson Education, ISBN: 0-13-017547-1	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1014446 - LABORATORIO - STANCO FILIPPO (programma) Segnali: cenni sulle onde, serie di Fourier ed esercizi Segnali: tipi di segnale, campionamento, teoremi di shannon per il campionamento e la ricostruzione, quantizzazione uniforme e non uniforme, SQNR e RMS Segnali: dithering, tipologie di dithering: random, ordered, error diffusion; algoritmo di Floyd-Steinberg, algoritmo di Jarvis Segnali: Trasformate discrete, metodo di costruzione, trasformata di Haar, di Walsh/Hadamard e di Fourier Segnali: Laboratorio in MATLAB sugli argomenti trattati Valutazione della qualità di una immagine. Criteri oggettivi e soggettivi. PSNR, SSIM, Delta E in CIE Lab*. Formati delle immagini Raster e vettoriale. Formati delle immagini: BMP, PNG, TIFF, GIF. Compressione e codifiche: Huffman, Golomb, Aritmetica. Codifiche LZW, differenziale, RLE, basate su i simboli, sul bit plane. Codifica mediante la trasformata. Trasformate Haar, Fourier, DCT. La morfologia matematica applicata alle immagini. La morfologia matematica applicata alle immagini in scala di grigio. restauro di immagini. Modelli di rumore Filtri di media aritmetica, geometrica, armonica e contrarmonica. Filtro mediano, minimo, massimo, punto medio, alpha-trimmed. Filtri adattivi. Rumore periodico. Rimozione del rumore nel dominio delle frequenze. Notch filter. Filtro di Wiener. Filtraggio nel dominio spaziale. Edge detector. Algoritmo di Canny. Filtraggio nel dominio delle frequenze. Filtraggio di enfasi. Filtraggio omomorfico. Trasformata di Hough. Segmentazione delle immagini Video Digitale: Aspect Ratio; Risoluzione; Interlacciamento; Formati di trasmissione e registrazione analogici e digitali. Video Digitale:Conversione Analogico-Digitale; Parte II – Errori di registrazione, artefatti e drop analogici e digitali più comuni; Parte III – Proiezioni fra spazio 3D e 2D, modello CAHV, laboratorio Matlab sulle proiezioni, introduzione ai motion field più comuni. Video Digitale:Laboratorio Matlab: Confronto fra motion field ideali ed empirici, calcolo ed analisi visuale di motion field generici. Modelli di movimento della telecamera a 4-parametri e a 6-parametri. Criterio di stima del movimento: Displaced Frame Difference. Algoritmi di block matching: esaustivo e three-step search. Algoritmi di feature matching: FAST. Video Digitale:Stabilizzazione. Sistemi di Stabilizzazione Digitale: algoritmi di filtraggio del movimento (Motion Vector Integration, Frame Position Smoothing e filtro Kalman); esempi di deformazione dell'immagine e di stabilizzazione cromatica. Laboratorio Matlab: rilevamento del movimento con sottrazione del background; esempio applicativo del filtro Kalman; esempio applicativo di stabilizzazione video tramite algoritmo FAST. Video Digitale:Formati video MPEG-1, MPEG-2, MPEG-4, H.264. 3D Scan - tipologie di laser scanning (a triangolazione, a luce strutturata, a tempo di volo, tramite fotografie): hardware, metodi ed esempi. Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essereintrodotte le necessarie variazioni rispetto a quanto dichiarato inprecedenza, al fine di rispettareil programma previsto e riportato nel syllabus ELABORAZIONE DELLE IMMAGINI DIGITALI,Terza Edizione,Rafael C. Gonzalez, Richard E. Woods,Ediz. Pearson, Prentice Hall Video Processing and Communications, Wang, Osternmann, Zhang, Prentice Hall, Pearson Education, ISBN: 0-13-017547-1	3	INF/01	12	-	12	-	-	Attività formative caratterizzanti	ITA

Secondo semestre

Insegnamento

CFU

SSD

Ore Lezione

Ore Eserc.

Ore Lab

Ore Altro

Ore Studio

Attività

Lingua

1014439 - ANALISI NUMERICA

- Erogato presso 1014439 ANALISI NUMERICA in Informatica LM-18 BOSCARINO SEBASTIANO

MAT/08

Attività formative affini ed integrative

ITA

Gruppo opzionale: GRUPPO OPZIONALE Data Science PRIMO ANNO II° SEMESTRE - (visualizza)

1014455 - BIG DATA - Erogato presso 1014455 BIG DATA in Informatica LM-18 PULVIRENTI ALFREDO	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1014450 - MACHINE LEARNING - Erogato presso 1014450 MACHINE LEARNING in Informatica LM-18 FARINELLA GIOVANNI MARIA	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1014144 - COMPUTABILITA' - Erogato presso 1014144 COMPUTABILITA' in Matematica LM-40 CANTONE Domenico	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9796005 - WEB REASONING - NICOLOSI ASMUNDO MARIANNA (programma) - Introduzione al web semantico: motivazioni, esempi, cenni alla modellazione semantica.- Resource Description Framework (RDF): triple RDF, grafi RDF, Merging di grafi RDF, N-triple, Turtle.- SPARQL Protocol and RDF Query Language: graph pattern, query SELECT e CONSTRUCT, inferenze.- RDF Schema (RDFS): classi, proprietà, relazioni fra classi (subClassOf), fra proprietà (subPropertyOf) e fra proprietà e classi (domain e range). Operatori logici di combinazione di classi e proprietà. RDFS plus.- Ontology Web Language 2 (OWL 2): restrizioni su proprietà, su classi (someValuesFrom, allValuesFrom), restrizioni di cardinalità. Inferenze in OWL 2. Profili OWL 2 EL, OWL 2 QL, OWL 2 RL e loro applicazioni. Nozioni di contraddizione, soddisfacibilità, insoddisfacibilità in ontologie.- Pratiche buone e cattive per la modellazione di ontologie. Errori comuni.- Esempi di ontologie ed esercizi di modellazione e inferenza con Protégé.- Introduzione alla logica classica. Le logiche descrittive: motivazioni e nozioni base. Le logiche AL, EL, FL, ALC, ALCN. La logica alla base di OWL 2: SROIQ(D). I reasoner Pellet e Hermit.- Datalog. The Semantic Rule Web Language (SWRL). 1. A semantic Web Primer (third edition). Grigoris Antoniou, Paul Groth, Frank van Harmelen, and Rinke Hoekstra, 2012. The MIT Press, Cambrigde, Massachusetts, London, England (pp. 288).2. Semantic Web for the Working Ontologist (Third Edition). Dean Allemang, James Hendler and Fabien Gandon, 2020. Morgan and Claypool (pp. 510).ULTERIORE MATERIALE DIDATTICO:Le risorse principali messe a disposizione dello studente sono lelezioni frontali, la cui frequenza, come già sottolineato, èfortemente consigliata.	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9796656 - HEURISTICS AND METAHEURISTICS FOR OPTIMIZATION AND LEARNING - PAVONE MARIO FRANCESCO (programma) Il corso si suddivide in tre parti fondamentali:PRIMA PARTE:Introduzione alle Teoria della Computabilità: problemi NP-CompletiIntroduzione a concetti di Machine Learning e Computational Learning TheoryLandscape, Search Space e Modelli per l’OttimizzazioneOttimizzazione non vincolata; Ottimizzazione vincolata; Ottimizzazione multi-obiettivoIntroduzione ai metodi di ottimizzazioneSECONDA PARTE:METODI DI OTTIMIZZAZIONE:Algoritmi GreedyMetodi Esatti:dynamic programming; A*; branch & bound algorithm; constraint programmingMeta-euristiche a singola soluzione:local search; tabu search; iterated local search; simulated annealing;guided local search; and GRASPMeta-euristiche basate su popolazione:concetti baseALGORITMI BIO-INSPIREDAlgoritmi GeneticieProgrammazione Genetica;Sistemi Immunitari Artificiali;Swarm Intelligence:Particle Swarm Optimization,Ant Colony Optimization,Artificial Bee ColonyDifferential EvolutionHYBRID METAHEURISTICSPARALLEL METAHEURISTICSALGORITMI BIO-INSPIRATI per l'ottimizzazionemulti-obiettivo e decision makingMACHINE LEARNING & METAHEURISTICSTERZA PARTEApplicazioni di met-euristiche in: Network Sciences; Games; Internet of Things; Computer Security; Robotics; Art and Design. E.G. Talbi, "Metaheuristics: From Design to Implementation", Wiley, 2009 C. Blum and G.R. Raidl, "Hybrid Metaheuristics: Powerful Tools for Optimization",Artificial Intelligence: Foundations, Theory, and Algorithms, 2016 Materiale fornito dal docente.	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA

9796655 - SISTEMI ROBOTICI E LABORATORIO

- SISTEMI ROBOTICI

- SANTORO CORRADO (programma)

INF/01

Attività formative caratterizzanti

ITA

- LABORATORIO

- SANTORO CORRADO (programma)

INF/01

Attività formative caratterizzanti

ITA

1001538 - STAGES E TIROCINI

150

Ulteriori attività formative (art.10, comma 5, lettera d)

ITA

Secondo anno

Primo semestre

Insegnamento

CFU

SSD

Ore Lezione

Ore Eserc.

Ore Lab

Ore Altro

Ore Studio

Attività

Lingua

1003552 - ULTERIORI CONOSCENZE LINGUISTICHE LINGUA INGLESE

- Erogato presso 1003552 ULTERIORI CONOSCENZE LINGUISTICHE LINGUA INGLESE in Informatica LM-18 CACCIOLA GIULIANA

Ulteriori attività formative (art.10, comma 5, lettera d)

ITA

1014441 - INTELLIGENZA ARTIFICIALE E LABORATORIO

1014442 - INTELLIGENZA ARTIFICIALE

- CUTELLO Vincenzo (programma)

INF/01

Attività formative caratterizzanti

ITA

1014443 - LABORATORIO

- PAVONE MARIO FRANCESCO (programma)

INF/01

Attività formative caratterizzanti

ITA

Gruppo opzionale: GRUPPO OPZIONALE Data Science SECONDO ANNO I° SEMESTRE - (visualizza)

1014420 - LINGUAGGI FORMALI - Erogato presso 1014420 LINGUAGGI FORMALI in Informatica LM-18 MADONIA Maria Serafina	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
1014425 - BIOINFORMATICA - FERRO Alfredo (programma) Prerequisiti biologiciCellule, genomi ed evoluzione Il genoma e i geni TrascrizioneTraduzioneRNA codificanti e regolatoriPrerequisiti di probabilità e statistica per la bioinformaticaLinguaggio di programmazione RAllineamento pairwise e multiploBanche dati biologicheStrumenti per l'analisi del trascrittoma (Microarray, Next-generation Sequencing) e biomarcatori Sequenziamento del DNA e pipeline di analisi RNAseqLa libreria R Bioconductor e analisi differenziale in R.Strumenti per il mining di reti biologiche (Graph Matching, Network Biomarkers, Pathway analysis, Network Alignment) Si consiglia l'uso del testo "Fondamenti di bioinformatica".Autori: Manuela Helmer Citterich, Fabrizio Ferrè, Giulio Pavesi, Graziano Pesole, Chiara Romualdi. Editore Zanichelli (2018).Altre risorse aggiornate saranno indicate dal docente nelle slides utilizzate a lezione. - MICALE GIOVANNI (programma) Prerequisiti biologici Cellule, genomi ed evoluzione Il genoma e i geni Trascrizione Traduzione RNA codificanti e regolatori Prerequisiti di probabilità e statistica per la bioinformatica Linguaggio di programmazione R Allineamento pairwise e multiplo Banche dati biologiche Strumenti per l'analisi del trascrittoma (Microarray, Next-generation Sequencing) e biomarcatori Sequenziamento del DNA e pipeline di analisi RNAseq La libreria R Bioconductor e analisi differenziale in R. Strumenti per il mining di reti biologiche (Graph Matching, Network Biomarkers, Pathway analysis, Network Alignment) Si consiglia l'uso del testo "Fondamenti di bioinformatica".Autori: Manuela Helmer Citterich, Fabrizio Ferrè, Giulio Pavesi, Graziano Pesole, Chiara Romualdi.Editore Zanichelli (2018).Altre risorse aggiornate saranno indicate dal docente nelle slides utilizzate a lezione.	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9793952 - ADVANCED PROGRAMMING LANGUAGES - Erogato presso 1015347 ADVANCED PROGRAMMING LANGUAGES in Ingegneria informatica LM-32 A - Z CARCHIOLO Vincenza, MANGIONI GIUSEPPE	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9795447 - QUANTUM COMPUTER PROGRAMMING - Erogato presso 9795447 QUANTUM COMPUTER PROGRAMMING in Informatica LM-18 FARO SIMONE	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
9795538 - DEEP LEARNING - FARINELLA GIOVANNI MARIA (programma) Deep Learning - Basic ConceptsDeep AutoencodersDeep Generative ModelsDeep Domain Adaptation and Transfer LearningDeep Metric LearningSelf-Supervised, Unsupervised, Representation LearningDeep Sequential ModelingDeep Reinforcement LearningVideo UnderstandingOther Deep Learning Paradigms and State-of-the-Art Architectures Appunti e Slide del DocenteE. Alpaydin, Introduction to Machine LearningM. P. Deisenroth et. al, Mathematics for Machine LearningI. Goodfellow et al., Deep LearningOvidiu Calin, Deep Learning ArchitecturesSutton and Barto, Reinforcement LearningDavid Foster, Generative Deep LearningGabriela Csurka, Domain Adaptation for Visual Applications: A Comprehensive SurveyMei Wang, Weihong Deng, Deep Visual Domain Adaptation: A Survey Aurélien Bellet, Amaury Habrard, Marc Sebban, Metric LearningUlteriore materiale didattico proposto per il corso è disponibile al seguente link: https://www.dmi.unict.it/farinella/DL - FURNARI ANTONINO (programma) Deep Learning - Basic ConceptsDeep AutoencodersDeep Generative ModelsDeep Domain Adaptation and Transfer LearningDeep Metric LearningSelf-Supervised, Unsupervised, Representation LearningDeep Sequential ModelingDeep Reinforcement LearningVideo UnderstandingOther Deep Learning Paradigms and State-of-the-Art Architectures Appunti e Slide del DocenteE. Alpaydin, Introduction to Machine LearningM. P. Deisenroth et. al, Mathematics for Machine LearningI. Goodfellow et al., Deep LearningOvidiu Calin, Deep Learning ArchitecturesSutton and Barto, Reinforcement LearningDavid Foster, Generative Deep LearningGabriela Csurka, Domain Adaptation for Visual Applications: A Comprehensive SurveyMei Wang, Weihong Deng, Deep Visual Domain Adaptation: A SurveyAurélien Bellet, Amaury Habrard, Marc Sebban, Metric Learning.Altro materiale didatticoUlteriore materiale didattico proposto per il corso è disponibile al seguente link: https://www.dmi.unict.it/farinella/DL	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA

1000975 - INSEGNAMENTO A SCELTA

Attività formative a scelta dello studente (art.10, comma 5, lettera a)

ITA

1001829 - ULTERIORI ATTIVITA' FORMATIVE

- Erogato presso 1001829 ULTERIORI ATTIVITA' FORMATIVE in Informatica LM-18 BATTIATO SEBASTIANO

Ulteriori attività formative (art.10, comma 5, lettera d)

ITA

Secondo semestre

Insegnamento	CFU	SSD	Ore Lezione	Ore Eserc.	Ore Lab	Ore Altro	Ore Studio	Attività	Lingua
9796006 - COMPUTER VISION E LABORATORIO
- COMPUTER VISION - BATTIATO SEBASTIANO (programma) Il corso si propone di approfondire teorie e tecniche specificatamente rivolte alla visione artificiale con una serie di applicazioni.La prima parte del corso verterà su: Modelli di Formazione dell’Immagine, Filters and Features: Edges, Texture, Laplacian Pyramid,Corner Detection (Harris, …), SIFT(Teoria e Applicazioni), Tecniche di Segmentazione (Thresholding, Seeded Region Growing, Statistical Region Merging, ..)La seconda parte del corso è dedicata allo studio di modelli probabilistici applicati alla Visione.Verranno infine presentate una serie di applicazioni: CBIR Retrieval, Video Stabilization, Face detection and RecognitionL'ultima parte del corso è dedicata ad un tema "specialistico" d'approfondimento. E. Trucco, A. Verri, “Introductory Techniques for 3-D Computer Vision”, Prentice Hall, 1998G. Bradski, A. Kaehler, “Learning OpenCV Computer Vision with the OpenCV Library” O'Reilly Media, 2008Mubarak Shah, "Fundamentals of Computer Vision" (pdf), 1997R. Hartley and A. Zisserman, “Multiple View Geometry in Computer Vision”, 2004D. A. Forsyth, J. Ponce, “Computer Vision a Modern Approach”, Prentice Hall PTR, 2002Richard Szeliski, Computer Vision: Algorithms and Application, Springer 2010Fondamenti di Image Processing - Guida teorico/pratica per l’elaborazione e la codifica di immagini digitali – ISBN: 88-88659-49-8 - EdiArgo 2006Elaborazione delle Immagini Digitali - R.C. Gonzales, R.E. Woods – Pearson Italia 2008Altro materiale didatticoSito del corsohttp://www.dmi.unict.it/~battiato/teaching_research.htmMateriale didattico disponibile su Studium	6	INF/01	24	24	-	-	-	Attività formative caratterizzanti	ITA
- LABORATORIO - GUARNERA FRANCESCO	3	INF/01	12	-	12	-	-	Attività formative caratterizzanti	ITA
1004570 - INSEGNAMENTO A SCELTA	6		24	24	-	-	-	Attività formative a scelta dello studente (art.10, comma 5, lettera a)	ITA
1002356 - PROVA FINALE	18		-	-	-	450	-	Per la prova finale e la lingua straniera (art.10, comma 5, lettera c)	ITA