(SSD SECS-P/07, 48 ore, 6 CFU, Affine)

Obiettivi dell’insegnamento
Conoscenza e capacità di comprensione: lo studente conoscerà i fondamenti di economia delle organizzazioni formali e del management con particolare riguardo alle imprese. Gli obiettivi di apprendimento attesi riguardano la gestione, le risorse umane e l’informazione nei loro elementi necessari allo studente del CL.

Contenuti del Corso
Saranno studiati il ciclo di vita dell’impresa e delle altre organizzazioni, il modo di approntare le risorse necessarie, il modo di formare e utilizzare le informazioni per le decisioni, la direzione e la strategia.

(SSD ING-INF/05, 84 ore, 9 CFU, Caratterizzante)

Obiettivi dell'insegnamento
Conoscenza e capacità di comprensione: Lo studente conoscerà i principali elementi relativi alla sicurezza di un sistema informatico basato su tecniche e algoritmi di intelligenza artificiale. Gli obiettivi di apprendimento attesi riguardano la conoscenza dei requisiti per la sicurezza di un sistema informatico e il loro soddisfacimento nei diversi elementi che compongono un sistema: hardware, software di base, software applicativo, comunicazione, sistemi di memorizzazione dei dati. Queste conoscenze vengono contestualizzate nell’ambito di un sistema basato su tecniche di intelligenza artificiale, specificando quali analisi di sicurezza devono essere svolte in ciascun componente del sistema e in ciascuna fase della progettazione e sviluppo al fine di raggiungere un livello di rischio accettabile rispetto al contesto applicativo.

Contenuti del Corso
I requisiti per la sicurezza informatica; sicurezza dei dati; sicurezza delle applicazioni; sicurezza delle reti di comunicazione; prevenzione e rilevazione di attacchi informatici; sicurezza delle fasi di progettazione di un sistema basato su intelligenza artificiale; valutazione della sicurezza.

(SSD SECS-S/01, 84 ore, 9 CFU, Affine)

Obiettivi dell'insegnamento
Conoscenza e capacità di comprensione: Lo studente sarà introdotto all’analisi dei dati basata sull’implementazione di algoritmi di stima di tipo iterativo e ricorsivo per il trattamento di problemi non risolvibili per via analitica ma attraverso metodi statistici che richiedono calcoli intensivi. Gli obiettivi di apprendimento attesi riguardano la conoscenza del software statistico R e la capacità di utilizzare tale software per ottenere stime di uno o più parametri attraverso algoritmi iterativi e di valutare la distorsione e la precisione delle stime mediante metodi di ricampionamento.

Contenuti del Corso
Introduzione alla statistica computazionale e al software statistico R. Generazione di variabili casuali. Metodo Monte Carlo. Metodi di ricampionamento. Metodi di stima non parametrica. Algoritmi di ottimizzazione e loro uso per calcolare le stime di massima verosimiglianza.