1. Introduzione al corso

- Aree di interesse dell’Intelligenza Artificiale.
- Potenzialità dei modelli e dei metodi di IA.

2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati

- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, iterative deepening).
- Ricerca euristica (Best First, Algoritmo A*, funzioni euristiche).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, ecc.).
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta pruning).

3. Introduzione al linguaggio Python

- Ambienti di sviluppo, Jupyter Notebook, Colab.
- Python base. Strutture dati in Pyhton.
- Librerie Python: NumPy, Pandas, Matplotlib, ScikitLearn.

4. Evolutionary Computation

- Soft Computing e “No Free Lunch Theorem”.
- Algoritmi Genetici e loro applicazioni.
- Particle Swarm Optimization e applicazioni.

5. Machine Learning

- Introduzione al Machine Learning.
- Cenni sulle tecniche di regressione, classificazione, clustering, ecc.
- Applicazioni del Machine Learning.

6. Comunicazione e Percezione

- Elaborazione del linguaggio naturale, Information Retrieval.
- Visione Artificiale:
• Luce e colore
• Formazione immagini
• Elaborazione flusso visuale
• Tecniche di object recognition

Dispense a cura del docente.

Fondamenti: Concetti di architettura del software; Descrizioni architetturali; Attributi di qualità; Processo di definizione dell'architettura software.
Qualità e progettazione per gli attributi di qualità: prestazioni, modificabilità, disponibilità, verificabilità, scalabilità, interoperabilità, monitoraggio.
Pattern architetturali: Domain Model; Domain Object; Layers; Pipes & Filters; altri pattern POSA; architettura esagonale.
Architettura dei sistemi distribuiti; client/server, peer-to-peer, invocazione remota; broker; comunicazione asincrona; messaging; componenti; architettura a componenti; contenitori per componenti.
Architettura a servizi: servizi; architettura a servizi; servizi REST; architettura basata su servizi; architettura a microservizi.
DevOps e rilascio del software: ambienti e gestione di ambienti; cloud computing; macchine virtuali e virtualizzazione di sistema; container e virtualizzazione basata su container; orchestrazione di container; continuous delivery.
Middleware.

Luca Cabibbo
Architettura del Software: Strutture e Qualità
Edizioni Efesto, 2021
ISBN: 9788833812458

La struttura di Internet e il rapporto tra Internet, Data Center e Cloud
Il Polo Strategico Nazionale: un grande Data Center in corso di realizzazione
Il Sistema Pubblico di Connettività: un insieme di grandi reti private connesse tra loro e connesse a Internet
Generalità sugli algoritmi di instradamento per l'infrastruttura di rete fissa
Algoritmi e protocolli di livello tre
Algoritmi Distance Vector
Algoritmi Link-State-Packet
Protocolli di instradamento
Algoritmi e protocolli di livello due
Calcolo dello spanning tree in reti con switch
VLAN: reti locali virtuali
Evoluzione dello spanning tree protocol
Software Defined Networks
Il routing interdominio
Border Gateway Protocol
BGP pitfalls
Scalabilità di BGP
La gerarchia di Internet
Uso del servizio RIPE Stat
Uso del servizio AS Rank
Uso dei Looking Glass - il caso Hurricane Electric
Stabilità di BGP
Anomalie in Internet
Routing di un ISP basato su MPLS (ulteriore materiale)
TCP e le tecniche per trasmissioni efficienti
Efficienza di TCP per nei servizi interattivi
TCP e controllo di congestione
Comportamento self-clocking di TCP e il prodotto banda-latenza
Comportamento aimd di TCP
BBR TCP
Routing nei data centers
Servizi basati sul Web: dai Data center alle CDN
Architetture, modelli e algoritmi per servizi basati sul Web
Distribuzione locale
Distribuzione globale
Content delivery networks
IPv6
Indirizzamento e aspetti di base del protocollo
ICMPv6
Source address selection e multihoming
Meccanismi di transizione IPv4-IPv6

Trasparenze fornite dal docente e scaricabili via via dal sito del corso: http://www.dia.uniroma3.it/~impianti/
Per scaricare le slides sono neccessarie delle credenziali da richiedere al docente (maurizio.patrignani@uniroma3.it)

Descrizione del processo decisionale.
Introduzione alla programmazione lineare a numeri interi (PLI): relazione fra PL e PLI, formulazioni equivalenti, rilassamenti, tecniche standard per la formulazione di problemi di PLI.
Formulazione di tipici problemi di ottimizzazione: localizzazione di impianti, scelta di investimenti, sequenziamento di attività, allocazione di risorse in sistemi informatici, ottimizzazione su reti, trasporti, set covering, set partitioning, set packing, turni del personale.
Soluzione esatta di problemi di programmazione lineare a numeri interi: branch and bound, piani di taglio, tecniche di programmazione dinamica (PD).
Matrici totalmente unimodulari.
Il problema di knapsack: branch and bound, algoritmo di PD, dis. cover.
Ottimizzazione su grafi: matching, vertex cover. Grafi euleriani e grafi bipartiti.
Utilizzo di software commerciali per la soluzione di problemi di programmazione matematica.

[1] M. FISCHETTI, "LEZIONI DI RICERCA OPERATIVA", EDIZIONI LIBRERIA PROGETTO PADOVA, ITALIA, 1995. (CAP. 2, 5,parte del 6 e del 7).
[2] R. AHUJA, T. MAGNANTI, J. ORLIN, "NETWORK FLOWS", PRENTICE HALL, 1993. (pagine 189-191, 473-475, 494-496)
[3] DISPENSE FORNITE DAL DOCENTE E/O DISPONIBILI SUL WEB.

- Panoramica sui sistemi di supporto alle decisioni (DSS). Model Driven DSS.
- Richiami di modellazione (esempi di formulazioni PL, PLI e PNL). Cenni alla complessità computazionale.
- Generalità su Business Analytics. Predictive analytics, alberi di classificazione ottimi, esempi. Prescriptive analytics.
- Algoritmi euristici: Euristiche Costruttive, Ricerca Locale, Ricerca Locale a profondità variabile, Tabu Search, Simulated Annealing, Algoritmi Genetici, GRASP, Iterated Local Search, Variable Neighborhood Search, Guided Local Search, Ant Colony Optimization, PSO, Scatter Search, Path relinking...
- Ottimizzazione robusta.
- Studio di casi reali: (1) ottimizzazione dei flussi nella distribuzione di cibi surgelati dagli impianti di produzione ai rivenditori, (2) ottimizzazione dei turni del personale sanitario nei reparti ospedalieri, (3) ottimizzazione dei percorsi per la raccolta di materiale biologico per analisi di laboratorio, (4) gestione ottima del magazzino di un’azienda che si occupa di vendite online, (5) ottimizzazione della supply chain nel mondo della moda.

1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.
2. Slide e materiale didattico fornito dal docente

Richiami sui sistemi e sulle reti di comunicazione
Caratteristiche dei segnali e analisi di Fourier. Trasmissioni in banda base e in banda passante. Pulse code modulation (PCM), frequency division multiplexing (FDM), time division multiplexing (TDM), code division multiplexing (CDM), orthogonal frequency division multiplexing (OFDM).
Commutazione di circuito e di pacchetto, servizi orientati alla connessione e senza connessione, topologie e classificazione delle reti. Personal area networks (PAN), local area networks (LAN), metropolitan area networks (MAN), wide area networks (WAN), storage area networks (SAN). Architetture di rete e protocolli.

Sistemi di comunicazione via cavo
Doppini, cavi coassiali e fibre ottiche. Sistemi di comunicazione in fibra ottica. Attenuazione, dispersione, amplificazione nei sistemi in fibra ottica. Wavelength division multiplexing (WDM). Optical transport networks (OTN). Automatically switched transport networks (ASTN). Generalized multi protocol label switching (GMPLS). Reti di accesso in fibra ottica; passive optical networks (PON); sistemi fiber to the X (FTTX). Fiber Channel. Digital subscriber line (DSL). Connettori. Diodi laser, LED e fotorivelatori. Synchronous digital hierarchy (SDH), synchronous optical networks (SONET).

Sistemi di comunicazione wireless
Propagazione delle onde elettromagnetiche. Fading. Sistemi wireless ottici. Sistemi di trasmissione a microonde. Antenne per comunicazioni wireless. IEEE 802.11 (Wi-Fi). Bluetooth. Bluetooth Low Energy (BLE). Long Range WAN (LoRaWAN).

Sistemi di comunicazioni mobili
Evoluzione dei sistemi cellulari, sistemi 4G e 5G

Sicurezza delle reti
Dimensioni e livelli di sicurezza, principi di crittografia, crittografia simmetrica e asimmetrica, Data encryption standard (DES) e advanced encryption standard (AES). Wireless equivalent privacy (WEP) e Wi-Fi protected access (WPA). Quantum Key Distribution (QKD).

Andrew S. Tanenbaum - Computer Networks – 6 edizione
Stamatios V. Kartalopoulos - Next Generation Intelligent Optical Networks
Mahbub Hassan - Wireless and Mobile Networking

Qubit, coppie di qubit, registri, porte logiche con uno o piu' qubit, no cloning theorem, l'operatore di Hadamard, teletrasporto, computazioni reversibili, l'algoritmo di Bernstein Vazirani, l'algoritmo di Shor, amplitude amplification e l'algoritmo di Groover, teoria della complessità e quantum computing

Slides del docente.

Tecnologia delle basi di dati attuali: strutture fisiche, gestione delle transazioni, architetture distribuite. Basi di dati per il supporto alle decisioni, analisi e modellazione delle prestazioni di un database. Seminari sulle recenti evoluzione delle basi di dati.

P. Atzeni et al. Basi di dati 5/Ed. McGraw-Hill, 2018
D. Menasce et al. Performance by Design: Computer Capacity Planning by Example, 2004
Materiale aggiuntivo a cura dei docenti sul sito
http://www.dia.uniroma3.it/~atzeni/didattica/BD/BDIIindex.html

Tecnologia delle basi di dati attuali: strutture fisiche, gestione delle transazioni, architetture distribuite. Basi di dati per il supporto alle decisioni, data warehousing. Seminari sulle recenti evoluzione delle basi di dati.

P. Atzeni et al. Basi di dati 5/Ed. McGraw-Hill, 2018
Materiale aggiuntivo a cura del docente sul sito
http://www.dia.uniroma3.it/~atzeni/didattica/BD/BDIIindex.html

1. Introduzione al Corso

- Aree di interesse del Machine Learning.
- Potenzialità dei modelli e dei metodi di ML.

2. Regressione

- Introduzione alla Linear Regression.
- Overfitting nella Regressione.
- Regolarizzazione: Rideg Regression.
- Feature Selection e Lasso.

3. Classificazione

- Logistic Regression per la classificazione.
- Overfitting nella Classificazione.
- Boosting. Algoritmo AdaBoost.
- Naïve Bayes.
- Support Vector Machines.

4. Clustering

- Algoritmi k-means e k-means++
- Expectation Maximization.
- Clustering gerarchico.

5. Reti Neurali Artificiali

- Architettura delle Reti Neurali Artificiali.
- Algoritmo di Apprendimento di Backpropagation.
- Applicazioni delle Reti Neurali Artificiali.

6. Gli ambienti Keras e TensorFlow

- I linguaggi Keras e TensorFlow per lo sviluppo di applicazioni di ML.
- Architetture GPU-based. Le GPU Nvidia Tesla e Volta.
- Uso di TensorFlow con il supporto delle GPU.

7. Riduzione di Dimensionalità

- Compressione e visualizzazione dei dati.
- Principal Component Analysis (PCA).
- Scelta del numero di componenti principali.
- Applicazioni nei Recommender Systems.

8. Reinforcement Learning

- Markov Decision Process.
- Programmazione dinamica.
- Algoritmi di Reinforcement Learning.

9. Introduzione al Deep Learning

- Introduzione alle Deep Forward Networks.
- Cenni sulle Convolutional Neural Networks (CNN).
- Cenni sulle Generative Adversarial Networks (GAN).

10. Casi di Studio e Progetti

Si esporranno vari casi di studio e si proporranno progetti in cui applicare le nozioni apprese su vari domíni d’interesse. In particolare le tematiche trattate potranno riguardare, tra l’altro, applicazioni di metodi e tecniche di ML nelle seguenti aree:

• Social Media Analysis (sentiment analysis, fake news detection, fake users detection, ecc.)
• Financial Machine Learning (algorithmic trading, ecc.)
• Recommender Systems (social RecSys, cultural heritage RecSys, e-commerce RecSys, ecc.)
• Data Science (prediction functions per applicazioni pratiche, ecc.)
• Visione Artificiale (object detection, face detection, face recognition, content-based video analysis, ecc.)
• Bioinformatica (riconoscimento di sequenze genetiche, ecc.)

Dispense a cura del docente.

I numeri dei capitoli e delle sezioni sono presi dal testo di S. Ross "Probabilita' e Statistica per l'Ingegneria".

Cap. 1: 1.1, 1.2, 1.3
Cap. 2: 2.2, 2.2.1, 2.2.2, 2.3, 2.3.1, 2.3.2, 2.4, 2.5, 2.6
Cap. 3: 3.1, 3.2, 3.3, 3.4, 3.5, 3.5.1, 3.6, 3.7, 3.8
Cap. 4: 4.1, 4.2, 4.3, 4.3.1, 4.3.2, 4.3.3, 4.4, 4.5, 4.5.1, 4.6, 4.7, 4.9
Cap. 5: 5.1, 5.2, 5.4, 5.5, 5.6, 5.6.1, 5.7, 5.8.1., 5.8.2.
Cap. 6: 6.1, 6.2, 6.3, 6.3.1, 6.3.2, 6.4, 6.5, 6.5.1, 6.5.2
Cap. 7: 7.1, 7.2, 7.3, 7.3.1, 7.3.2, 7.4, 7.5, 7.7
Cap. 8: 8.1, 8.2, 8.3, 8.3.1, 8.3.2, 8.4.1, 8.6,
Cap. 9: 9.1, 9.2, 9.3, 9.6
Cap. 11: 11.1, 11.2, 11.4 (per questa parte consultare anche il cap. 6.4, 6.5 del libro "Moduli di matematica e statistica con uso di R" di S. Invernizzi, M. Rinaldi e F. Comoglio).

Sheldon Ross "Probabilita' e Statistica per l'Ingegneria", ed. Apogeo. E' consigliato anche consultare "Moduli di matematica e statistica" di S. Invernizzi, M. Rinaldi e F. Comoglio, ed. Zanichelli.


testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi

• Introduzione al corso
• Introduzione alla sicurezza informatica e terminologia
• Vulnerabilità e minacce
◦ Vulnerabilità del software input fidato e non fidato, validazione dell'input. Vulnerabilità di applicazioni scritte in linguaggi interpretati, code injection. Injection in pagine web: XSS. Cross site request forgery. OWASP.
▪ esempio di sito vulnerabile a sql injection
◦ Attacchi di tipo buffer overflow . Exploitation: privilege excalation, intrusioni via rete tramite servizi aperti, intrusione via documenti non fidati (via email, via web o altro).
▪ esempio di codice vulnerabile a buffer overflow e relativo exploit
◦ Vulnerabilità delle reti : sniffing, mac flood, ARP poisoning, vulnerabilità del DNS, attacco di Kaminsky. TCP session hijecking, attacchi MitM, DOS e Distributed DoS, Route hijacking.
• Pianificazione della sicurezza: contenuti del piano di sicurezza, analisi dei rischi.
• Contromisure
◦ Principi di progettazione di politiche e meccanismi
◦ Modelli: AAA, confinamento, DAC, MAC, access control matrix 
◦ Tecniche crittografiche:
▪ richiami di crittografia (hash, simmetrica, asimmetrica, MAC, firma digitale), attacchi birthday, rainbow, qualità delle chiavi, generazione di numeri pesudo-casuali.
▪ Protocolli di autenticazione e di scambio di chiavi. Attacchi replay e reflection. Nonces. Perfect Forward Secrecy. Diffie-Helman. 
▪ Certificati, certification authority, public key infrastructure e loro vulnerabilità.
▪ Applicazioni: Porotocolli ssl, tls, ssh, virtual private network, ipsec, ecc. Protocolli di autenticazione punto-punto e in rete locale. radius e vulnerabilità. Altre applicazioni.
◦ Considerazioni sui sistemi per la rilevazione automatica dei problemi
◦ Sicurezza dei sistemi:
▪ principi generali: passwords e loro vulnerabilità, metodologia di hardening, assessment e auditing
▪ unix: controllo di accesso discrezionario, sicurezza nel filesystem, autenticazione, PAM, syslog
◦ Sicurezza delle reti:
▪ Firewalling: firewall stateless e statefull, connessioni, syn-proxy e syn-cookies, load balancing e high availability, linux netfilter ed esempi di configurazioni.
▪ Sicurezza di rete a livello 1 e 2.
▪ Proxy applicativi, Intrusion detection systems di rete.
• Authenticated Data Structures
• Distributed Ledger Technologies and Bitcoin
• Smart contracts
• Cybersecurity nelle grandi organizzazioni

Dispense del corso

1) Algorithms for data streams
- Approximate counting
- Majority problems
- Sampling and reservoir sampling
- Bloom filters
- Frequent itemsets
- Number of distinct elements
2) Algorithms and data structures for quantitative features analysis
- orthogonal range searching (kd-trees, range trees, and layered range trees)
- median finding
- multidimensional divide and conquer, closest pair
- fractional cascading
3) Algorithms for the decomposition of complex networks
- Decomposition into k-connected components
- Decomposition into k-cores, maximal cliques, maximal k-plexes
4) Locality sensitive hashing for finding similar items
- Min-Hashing
- Nearest neighbour search, k-nearest neighbour search

Slides più:

Mining of Massive Datasets
Jure Leskovec, Anand Rajaraman, Jeff Ullman
Cambridge University Press
http://www.mmds.org/

1) Algorithms for data streams
- Approximate counting
- Majority problems
- Sampling and reservoir sampling
- Bloom filters
- Frequent itemsets
- Number of distinct elements
2) Algorithms and data structures for quantitative features analysis
- orthogonal range searching (kd-trees, range trees, and layered range trees)
- median finding
- multidimensional divide and conquer, closest pair
- fractional cascading
3) Locality sensitive hashing for finding similar items
- Min-Hashing
- Nearest neighbour search, k-nearest neighbour search
4) NoSQL internals & Distributed Hash Tables
- Chord
- consistent hashing
- Kademlia
5) Scalable security:
- integrity of big data sets in the cloud,
- consistency and scalability issues with authenticated data structures

Mining of Massive Datasets
Jure Leskovec, Anand Rajaraman, Jeff Ullman
Cambridge University Press
http://www.mmds.org/

1) Algorithms for data streams
- Approximate counting
- Majority problems
- Sampling and reservoir sampling
- Bloom filters
- Frequent itemsets
- Number of distinct elements
2) Algorithms and data structures for quantitative features analysis
- orthogonal range searching (kd-trees, range trees, and layered range trees)
- median finding
- multidimensional divide and conquer, closest pair
- fractional cascading
3) Locality sensitive hashing for finding similar items
- Min-Hashing
- Nearest neighbour search, k-nearest neighbour search
4) NoSQL internals & Distributed Hash Tables
- Chord
- consistent hashing
- Kademlia
5) Scalable security:
- integrity of big data sets in the cloud,
- consistency and scalability issues with authenticated data structures

Mining of Massive Datasets
Jure Leskovec, Anand Rajaraman, Jeff Ullman
Cambridge University Press
http://www.mmds.org/

1) Algorithms for data streams
- Approximate counting
- Majority problems
- Sampling and reservoir sampling
- Bloom filters
- Frequent itemsets
- Number of distinct elements
2) Algorithms and data structures for quantitative features analysis
- orthogonal range searching (kd-trees, range trees, and layered range trees)
- median finding
- multidimensional divide and conquer, closest pair
- fractional cascading
3) Locality sensitive hashing for finding similar items
- Min-Hashing
- Nearest neighbour search, k-nearest neighbour search
4) NoSQL internals & Distributed Hash Tables
- Chord
- consistent hashing
- Kademlia
5) Scalable security:
- integrity of big data sets in the cloud,
- consistency and scalability issues with authenticated data structures

Mining of Massive Datasets
Jure Leskovec, Anand Rajaraman, Jeff Ullman
Cambridge University Press
http://www.mmds.org/

Source discovery
Data quality
Data integration

Slide del docente

Architetture Hardware; Architetture software; OpenGL, Vulkan; CUDA e OpenCL; Curve, superfici, volumi; Algoritmi per la computer graphics e animazione; Concetti base di animazione basata sulla fisica.

Documentazioni ufficiali:
- Unreal Game Engine
- Vulkan
- DirectX
- OpenGL
- CUDA, OpenCL

- Introduzione ai CPS: applicazioni e sistemi
- Modelli per i CPS
- Sistemi di comunicazione per i CPS: standards, comunicazione wireless e tecnologie correlate
- Sistemi in tempo reale
- Sistemi di fault diagnosis: detection-isolation-identification di anomalie basate sul modello
- Sistemi di identificazione di attacchi cyber basati sul modello del sistema: attacchi evoluti a CPS

Dispense del docente
Articoli scientifici

Introduzione al Deep Learning; Addestramento di architetture Deep: tecniche di hyperparameter tuning, batch normalization, faster optimizers, regularization per reti deep; Convolutional Neural Networks (CNN/ConvNets); Analisi di sequenze: Recurrent Neural Networks (GRU, LSTM, Bidirectional); Architetture Encoder-Decoder, Autoencoders, Variational Autoencoders; Attention layers ; Generative Adversarial Networks (GAN); Deep Reinforcement Learning; Embeddings; Principali architetture convolutive (AlexNet, VGG, NiN, GoogLeNet/Inception, ResNet, DenseNet); Applicazioni alla Computer Vision e all'Analisi del linguaggio naturale in linguaggio Keras.

Simon J.D. Prince. "Understanding Deep Learning". MIT Press Dec 5th 2023 A. Geron,
“Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems”, O'Reilly Media, Inc, USA, 2019.

Il corso prenderà in esame vari metodi per la progettazione, l'implementazione e la sperimentazione di sistemi adattivi su Web, realizzati mediante tecniche di Intelligenza Artificiale. Particolare attenzione sarà posta ai sistemi di Information Retrieval, come i motori di ricerca, e a nuove ed emergenti tecnologie idonee per la realizzazione della prossima generazione di strumenti di ricerca intelligenti e personalizzati. Saranno studiati i modelli di retrieval classici, come il modello vector space e i modelli probabilistici, le tecniche di ranking dei documenti, così come l'algoritmo PageRank utilizzato da Google. Saranno affrontati i metodi di Machine Learning in Information Retrieval, incluse le tecniche per la Sentiment Analysis, i metodi di User Modeling necessari per la ricerca personalizzata, i Sistemi di Raccomandazione, l’identificazione e l'analisi delle Comunità Online e Social Network (come ad es. Facebook e Twitter).

Le lezioni del corso riguarderanno tematiche trattate in articoli scientifici e testi di riferimento.
Il docente metterà a disposizione degli studenti i lucidi delle lezioni attraverso il sito del corso. Tali lucidi saranno autosufficienti, cioè redatti in maniera tale da non richiedere la consultazione di testi ulteriori ai fini del superamento dell'esame.

- Infrastrutture e paradigmi di programmazione per i big data
- L'ecosistema Hadoop
- Cloud computing
- Elaborazione di big data (MapReduce, Hive, Spark)
- I sistemi NoSQL
- Tecniche di analisi di big data
- I Data Lake
- Sistemi e applicazioni
- Seminari aziendali

Martin J. Fowler, PramodkumarJ. Sadalage. "NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence".
Materiale predisposto dal docente (disponibile sul sito Web del corso su Moodle)

Il programma viene definito all'inizio dell'anno sulla base dei docenti stranieri invitati. Il sito Web del corso (su Moodle) viene tenuto aggiornato con le informazioni più recenti.

La documentazione e i testi sono scelti dai docenti stranieri e saranno disponibili sul sito del corso presente su Moodle.

Data and Visualization: Data overloading. Comparison of Scientific Visualization and Information Visualization. Structured and Unstructured data. Data transformation. Data tables.

Visual Perception: Our vision’s principles and limitations. Peripheral and central view. The perception of color.

Cognitive Issues and User Tasks: Perception abilities. Weber's law. Stevens' power law. Gestalt laws. A two stage model for visual perception. Task taxonomies.

Infovis on the Web - SVG and D3.js: Basic ingredients of Web data visualization. JavaScript crash course. Raster and vector graphics. Overview of JavaScript libraries. Focus on D3.js.

Multivariate Data Representations: Combined views. Icons or glyphs. Alternative coordinate systems.

Visualization in Computer Networks: Visual analysis in the computer network domain. Motivations. Taxonomies. Real-world examples and use cases. Open questions.

Design Methods and Evaluation: Design methodologies and design choices. Design evaluation (goals, difficulties, practices, guidelines).

Visualization of Time Series Data: Definition of time series and temporal data. Visualization of time series (single dependent variable, multiple dependent variables). Case studies.

Interaction: Classification of interaction mechanisms, goals, and timings. Examples of interaction strategies.

Introduction to Graph Drawing: Graph Drawing conventions and aesthetics. The divide an conquer approach for testing planarity of a graph.

Node-link Representations of Trees: Representing trees within the node-link paradigm. Layered drawings of trees. Hv-drawings of trees. Limitations of node-link representations.

Space-Filling Visualizations of Trees: Algorithms and systems for the representation of trees using the space-filling strategy. Treemaps. 3D Space-filling approaches.

Representations of Graphs and Networks with the Force-Directed Approach: The force-directed paradigm. The barycenter method. Spring embedders. Scalability and flexibility of the force-directed paradigm. Fruchterman-Reingold and Barnes–Hut algorithms. Simulating graph theoretic distances. Magnetic fields. Generic energy functions. Handling drawing constraints.

Representations of Hierarchical Data: Algorithms for the representation of layered networks. The Sugiyama approach. Step 1: Cycle removal. Step 2: Level Assignment. Step 3: Crossing Reduction. Step 4: X-Coordinate Assignment

Orthogonal Drawings: Computing orthogonal drawings via Network Flows. The Topology-Shape-Metric approach. Extension to graphs of arbitrary degree. Representations of orthogonal drawings obtained from visibility representations and by incremental approaches.

Visualizing Large Graphs: Strategies for the visualization of massive amount of data providing both overview and details. Alternate between views. Combine different views. Filtering and clustering principles. Three-dimensional and two-dimensional representations of clustered graphs. Hybrid representations.

Tools and Libraries for Drawing Graphs: Tools and Libraries for drawing graphs. Programming languages, input and output formats, and interaction. Some practical example.

Architectures for Scalable Information Visualization: Computational and memory scalabity. Visualization architectures. Strategies for visualizing massive amounts of data.

Trasparenze fornite dal docente e scaricabili via via dal sito del corso: http://www.dia.uniroma3.it/~infovis/
Per scaricare le slides sono neccessarie delle credenziali da richiedere al docente (maurizio.patrignani@uniroma3.it)

Descrizione del processo decisionale.
Introduzione alla programmazione lineare a numeri interi (PLI): relazione fra PL e PLI, formulazioni equivalenti, rilassamenti, tecniche standard per la formulazione di problemi di PLI.
Formulazione di tipici problemi di ottimizzazione: localizzazione di impianti, scelta di investimenti, sequenziamento di attività, allocazione di risorse in sistemi informatici, ottimizzazione su reti, trasporti, set covering, set partitioning, set packing, turni del personale.
Soluzione esatta di problemi di programmazione lineare a numeri interi: branch and bound, piani di taglio, tecniche di programmazione dinamica (PD).
Matrici totalmente unimodulari.
Il problema di knapsack: branch and bound, algoritmo di PD, dis. cover.
Ottimizzazione su grafi: matching, vertex cover. Grafi euleriani e grafi bipartiti.
Utilizzo di software commerciali per la soluzione di problemi di programmazione matematica.

[1] M. FISCHETTI, "LEZIONI DI RICERCA OPERATIVA", EDIZIONI LIBRERIA PROGETTO PADOVA, ITALIA, 1995. (CAP. 2, 5,parte del 6 e del 7).
[2] R. AHUJA, T. MAGNANTI, J. ORLIN, "NETWORK FLOWS", PRENTICE HALL, 1993. (pagine 189-191, 473-475, 494-496)
[3] DISPENSE FORNITE DAL DOCENTE E/O DISPONIBILI SUL WEB.

- Panoramica sui sistemi di supporto alle decisioni (DSS). Model Driven DSS.
- Richiami di modellazione (esempi di formulazioni PL, PLI e PNL). Cenni alla complessità computazionale.
- Generalità su Business Analytics. Predictive analytics, alberi di classificazione ottimi, esempi. Prescriptive analytics.
- Algoritmi euristici: Euristiche Costruttive, Ricerca Locale, Ricerca Locale a profondità variabile, Tabu Search, Simulated Annealing, Algoritmi Genetici, GRASP, Iterated Local Search, Variable Neighborhood Search, Guided Local Search, Ant Colony Optimization, PSO, Scatter Search, Path relinking...
- Ottimizzazione robusta.
- Studio di casi reali: (1) ottimizzazione dei flussi nella distribuzione di cibi surgelati dagli impianti di produzione ai rivenditori, (2) ottimizzazione dei turni del personale sanitario nei reparti ospedalieri, (3) ottimizzazione dei percorsi per la raccolta di materiale biologico per analisi di laboratorio, (4) gestione ottima del magazzino di un’azienda che si occupa di vendite online, (5) ottimizzazione della supply chain nel mondo della moda.

1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.
2. Slide e materiale didattico fornito dal docente

Richiami sui sistemi e sulle reti di comunicazione
Caratteristiche dei segnali e analisi di Fourier. Trasmissioni in banda base e in banda passante. Pulse code modulation (PCM), frequency division multiplexing (FDM), time division multiplexing (TDM), code division multiplexing (CDM), orthogonal frequency division multiplexing (OFDM).
Commutazione di circuito e di pacchetto, servizi orientati alla connessione e senza connessione, topologie e classificazione delle reti. Personal area networks (PAN), local area networks (LAN), metropolitan area networks (MAN), wide area networks (WAN), storage area networks (SAN). Architetture di rete e protocolli.

Sistemi di comunicazione via cavo
Doppini, cavi coassiali e fibre ottiche. Sistemi di comunicazione in fibra ottica. Attenuazione, dispersione, amplificazione nei sistemi in fibra ottica. Wavelength division multiplexing (WDM). Optical transport networks (OTN). Automatically switched transport networks (ASTN). Generalized multi protocol label switching (GMPLS). Reti di accesso in fibra ottica; passive optical networks (PON); sistemi fiber to the X (FTTX). Fiber Channel. Digital subscriber line (DSL). Connettori. Diodi laser, LED e fotorivelatori. Synchronous digital hierarchy (SDH), synchronous optical networks (SONET).

Sistemi di comunicazione wireless
Propagazione delle onde elettromagnetiche. Fading. Sistemi wireless ottici. Sistemi di trasmissione a microonde. Antenne per comunicazioni wireless. IEEE 802.11 (Wi-Fi). Bluetooth. Bluetooth Low Energy (BLE). Long Range WAN (LoRaWAN).

Sistemi di comunicazioni mobili
Evoluzione dei sistemi cellulari, sistemi 4G e 5G

Sicurezza delle reti
Dimensioni e livelli di sicurezza, principi di crittografia, crittografia simmetrica e asimmetrica, Data encryption standard (DES) e advanced encryption standard (AES). Wireless equivalent privacy (WEP) e Wi-Fi protected access (WPA). Quantum Key Distribution (QKD).

Andrew S. Tanenbaum - Computer Networks – 6 edizione
Stamatios V. Kartalopoulos - Next Generation Intelligent Optical Networks
Mahbub Hassan - Wireless and Mobile Networking

Fondamenti: Concetti di architettura del software; Descrizioni architetturali; Attributi di qualità; Processo di definizione dell'architettura software.
Qualità e progettazione per gli attributi di qualità: prestazioni, modificabilità, disponibilità, verificabilità, scalabilità, interoperabilità, monitoraggio.
Pattern architetturali: Domain Model; Domain Object; Layers; Pipes & Filters; altri pattern POSA; architettura esagonale.
Architettura dei sistemi distribuiti; client/server, peer-to-peer, invocazione remota; broker; comunicazione asincrona; messaging; componenti; architettura a componenti; contenitori per componenti.
Architettura a servizi: servizi; architettura a servizi; servizi REST; architettura basata su servizi; architettura a microservizi.
DevOps e rilascio del software: ambienti e gestione di ambienti; cloud computing; macchine virtuali e virtualizzazione di sistema; container e virtualizzazione basata su container; orchestrazione di container; continuous delivery.
Middleware.

Luca Cabibbo
Architettura del Software: Strutture e Qualità
Edizioni Efesto, 2021
ISBN: 9788833812458

1. Introduzione al corso

- Aree di interesse dell’Intelligenza Artificiale.
- Potenzialità dei modelli e dei metodi di IA.

2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati

- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, iterative deepening).
- Ricerca euristica (Best First, Algoritmo A*, funzioni euristiche).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, ecc.).
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta pruning).

3. Introduzione al linguaggio Python

- Ambienti di sviluppo, Jupyter Notebook, Colab.
- Python base. Strutture dati in Pyhton.
- Librerie Python: NumPy, Pandas, Matplotlib, ScikitLearn.

4. Evolutionary Computation

- Soft Computing e “No Free Lunch Theorem”.
- Algoritmi Genetici e loro applicazioni.
- Particle Swarm Optimization e applicazioni.

5. Machine Learning

- Introduzione al Machine Learning.
- Cenni sulle tecniche di regressione, classificazione, clustering, ecc.
- Applicazioni del Machine Learning.

6. Comunicazione e Percezione

- Elaborazione del linguaggio naturale, Information Retrieval.
- Visione Artificiale:
• Luce e colore
• Formazione immagini
• Elaborazione flusso visuale
• Tecniche di object recognition

Dispense a cura del docente.

La struttura di Internet e il rapporto tra Internet, Data Center e Cloud
Il Polo Strategico Nazionale: un grande Data Center in corso di realizzazione
Il Sistema Pubblico di Connettività: un insieme di grandi reti private connesse tra loro e connesse a Internet
Generalità sugli algoritmi di instradamento per l'infrastruttura di rete fissa
Algoritmi e protocolli di livello tre
Algoritmi Distance Vector
Algoritmi Link-State-Packet
Protocolli di instradamento
Algoritmi e protocolli di livello due
Calcolo dello spanning tree in reti con switch
VLAN: reti locali virtuali
Evoluzione dello spanning tree protocol
Software Defined Networks
Il routing interdominio
Border Gateway Protocol
BGP pitfalls
Scalabilità di BGP
La gerarchia di Internet
Uso del servizio RIPE Stat
Uso del servizio AS Rank
Uso dei Looking Glass - il caso Hurricane Electric
Stabilità di BGP
Anomalie in Internet
Routing di un ISP basato su MPLS (ulteriore materiale)
TCP e le tecniche per trasmissioni efficienti
Efficienza di TCP per nei servizi interattivi
TCP e controllo di congestione
Comportamento self-clocking di TCP e il prodotto banda-latenza
Comportamento aimd di TCP
BBR TCP
Routing nei data centers
Servizi basati sul Web: dai Data center alle CDN
Architetture, modelli e algoritmi per servizi basati sul Web
Distribuzione locale
Distribuzione globale
Content delivery networks
IPv6
Indirizzamento e aspetti di base del protocollo
ICMPv6
Source address selection e multihoming
Meccanismi di transizione IPv4-IPv6

Trasparenze fornite dal docente e scaricabili via via dal sito del corso: http://www.dia.uniroma3.it/~impianti/
Per scaricare le slides sono neccessarie delle credenziali da richiedere al docente (maurizio.patrignani@uniroma3.it)

I numeri dei capitoli e delle sezioni sono presi dal testo di S. Ross "Probabilita' e Statistica per l'Ingegneria".

Cap. 1: 1.1, 1.2, 1.3
Cap. 2: 2.2, 2.2.1, 2.2.2, 2.3, 2.3.1, 2.3.2, 2.4, 2.5, 2.6
Cap. 3: 3.1, 3.2, 3.3, 3.4, 3.5, 3.5.1, 3.6, 3.7, 3.8
Cap. 4: 4.1, 4.2, 4.3, 4.3.1, 4.3.2, 4.3.3, 4.4, 4.5, 4.5.1, 4.6, 4.7, 4.9
Cap. 5: 5.1, 5.2, 5.4, 5.5, 5.6, 5.6.1, 5.7, 5.8.1., 5.8.2.
Cap. 6: 6.1, 6.2, 6.3, 6.3.1, 6.3.2, 6.4, 6.5, 6.5.1, 6.5.2
Cap. 7: 7.1, 7.2, 7.3, 7.3.1, 7.3.2, 7.4, 7.5, 7.7
Cap. 8: 8.1, 8.2, 8.3, 8.3.1, 8.3.2, 8.4.1, 8.6,
Cap. 9: 9.1, 9.2, 9.3, 9.6
Cap. 11: 11.1, 11.2, 11.4 (per questa parte consultare anche il cap. 6.4, 6.5 del libro "Moduli di matematica e statistica con uso di R" di S. Invernizzi, M. Rinaldi e F. Comoglio).

Sheldon Ross "Probabilita' e Statistica per l'Ingegneria", ed. Apogeo. E' consigliato anche consultare "Moduli di matematica e statistica" di S. Invernizzi, M. Rinaldi e F. Comoglio, ed. Zanichelli.


testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi

1. Introduzione al Corso

- Aree di interesse del Machine Learning.
- Potenzialità dei modelli e dei metodi di ML.

2. Regressione

- Introduzione alla Linear Regression.
- Overfitting nella Regressione.
- Regolarizzazione: Rideg Regression.
- Feature Selection e Lasso.

3. Classificazione

- Logistic Regression per la classificazione.
- Overfitting nella Classificazione.
- Boosting. Algoritmo AdaBoost.
- Naïve Bayes.
- Support Vector Machines.

4. Clustering

- Algoritmi k-means e k-means++
- Expectation Maximization.
- Clustering gerarchico.

5. Reti Neurali Artificiali

- Architettura delle Reti Neurali Artificiali.
- Algoritmo di Apprendimento di Backpropagation.
- Applicazioni delle Reti Neurali Artificiali.

6. Gli ambienti Keras e TensorFlow

- I linguaggi Keras e TensorFlow per lo sviluppo di applicazioni di ML.
- Architetture GPU-based. Le GPU Nvidia Tesla e Volta.
- Uso di TensorFlow con il supporto delle GPU.

7. Riduzione di Dimensionalità

- Compressione e visualizzazione dei dati.
- Principal Component Analysis (PCA).
- Scelta del numero di componenti principali.
- Applicazioni nei Recommender Systems.

8. Reinforcement Learning

- Markov Decision Process.
- Programmazione dinamica.
- Algoritmi di Reinforcement Learning.

9. Introduzione al Deep Learning

- Introduzione alle Deep Forward Networks.
- Cenni sulle Convolutional Neural Networks (CNN).
- Cenni sulle Generative Adversarial Networks (GAN).

10. Casi di Studio e Progetti

Si esporranno vari casi di studio e si proporranno progetti in cui applicare le nozioni apprese su vari domíni d’interesse. In particolare le tematiche trattate potranno riguardare, tra l’altro, applicazioni di metodi e tecniche di ML nelle seguenti aree:

• Social Media Analysis (sentiment analysis, fake news detection, fake users detection, ecc.)
• Financial Machine Learning (algorithmic trading, ecc.)
• Recommender Systems (social RecSys, cultural heritage RecSys, e-commerce RecSys, ecc.)
• Data Science (prediction functions per applicazioni pratiche, ecc.)
• Visione Artificiale (object detection, face detection, face recognition, content-based video analysis, ecc.)
• Bioinformatica (riconoscimento di sequenze genetiche, ecc.)

Dispense a cura del docente.

1) Algorithms for data streams
- Approximate counting
- Majority problems
- Sampling and reservoir sampling
- Bloom filters
- Frequent itemsets
- Number of distinct elements
2) Algorithms and data structures for quantitative features analysis
- orthogonal range searching (kd-trees, range trees, and layered range trees)
- median finding
- multidimensional divide and conquer, closest pair
- fractional cascading
3) Algorithms for the decomposition of complex networks
- Decomposition into k-connected components
- Decomposition into k-cores, maximal cliques, maximal k-plexes
4) Locality sensitive hashing for finding similar items
- Min-Hashing
- Nearest neighbour search, k-nearest neighbour search

Slides più:

Mining of Massive Datasets
Jure Leskovec, Anand Rajaraman, Jeff Ullman
Cambridge University Press
http://www.mmds.org/

1) Algorithms for data streams
- Approximate counting
- Majority problems
- Sampling and reservoir sampling
- Bloom filters
- Frequent itemsets
- Number of distinct elements
2) Algorithms and data structures for quantitative features analysis
- orthogonal range searching (kd-trees, range trees, and layered range trees)
- median finding
- multidimensional divide and conquer, closest pair
- fractional cascading
3) Locality sensitive hashing for finding similar items
- Min-Hashing
- Nearest neighbour search, k-nearest neighbour search
4) NoSQL internals & Distributed Hash Tables
- Chord
- consistent hashing
- Kademlia
5) Scalable security:
- integrity of big data sets in the cloud,
- consistency and scalability issues with authenticated data structures

Mining of Massive Datasets
Jure Leskovec, Anand Rajaraman, Jeff Ullman
Cambridge University Press
http://www.mmds.org/

1) Algorithms for data streams
- Approximate counting
- Majority problems
- Sampling and reservoir sampling
- Bloom filters
- Frequent itemsets
- Number of distinct elements
2) Algorithms and data structures for quantitative features analysis
- orthogonal range searching (kd-trees, range trees, and layered range trees)
- median finding
- multidimensional divide and conquer, closest pair
- fractional cascading
3) Locality sensitive hashing for finding similar items
- Min-Hashing
- Nearest neighbour search, k-nearest neighbour search
4) NoSQL internals & Distributed Hash Tables
- Chord
- consistent hashing
- Kademlia
5) Scalable security:
- integrity of big data sets in the cloud,
- consistency and scalability issues with authenticated data structures

Mining of Massive Datasets
Jure Leskovec, Anand Rajaraman, Jeff Ullman
Cambridge University Press
http://www.mmds.org/

1) Algorithms for data streams
- Approximate counting
- Majority problems
- Sampling and reservoir sampling
- Bloom filters
- Frequent itemsets
- Number of distinct elements
2) Algorithms and data structures for quantitative features analysis
- orthogonal range searching (kd-trees, range trees, and layered range trees)
- median finding
- multidimensional divide and conquer, closest pair
- fractional cascading
3) Locality sensitive hashing for finding similar items
- Min-Hashing
- Nearest neighbour search, k-nearest neighbour search
4) NoSQL internals & Distributed Hash Tables
- Chord
- consistent hashing
- Kademlia
5) Scalable security:
- integrity of big data sets in the cloud,
- consistency and scalability issues with authenticated data structures

Mining of Massive Datasets
Jure Leskovec, Anand Rajaraman, Jeff Ullman
Cambridge University Press
http://www.mmds.org/

• Introduzione al corso
• Introduzione alla sicurezza informatica e terminologia
• Vulnerabilità e minacce
◦ Vulnerabilità del software input fidato e non fidato, validazione dell'input. Vulnerabilità di applicazioni scritte in linguaggi interpretati, code injection. Injection in pagine web: XSS. Cross site request forgery. OWASP.
▪ esempio di sito vulnerabile a sql injection
◦ Attacchi di tipo buffer overflow . Exploitation: privilege excalation, intrusioni via rete tramite servizi aperti, intrusione via documenti non fidati (via email, via web o altro).
▪ esempio di codice vulnerabile a buffer overflow e relativo exploit
◦ Vulnerabilità delle reti : sniffing, mac flood, ARP poisoning, vulnerabilità del DNS, attacco di Kaminsky. TCP session hijecking, attacchi MitM, DOS e Distributed DoS, Route hijacking.
• Pianificazione della sicurezza: contenuti del piano di sicurezza, analisi dei rischi.
• Contromisure
◦ Principi di progettazione di politiche e meccanismi
◦ Modelli: AAA, confinamento, DAC, MAC, access control matrix 
◦ Tecniche crittografiche:
▪ richiami di crittografia (hash, simmetrica, asimmetrica, MAC, firma digitale), attacchi birthday, rainbow, qualità delle chiavi, generazione di numeri pesudo-casuali.
▪ Protocolli di autenticazione e di scambio di chiavi. Attacchi replay e reflection. Nonces. Perfect Forward Secrecy. Diffie-Helman. 
▪ Certificati, certification authority, public key infrastructure e loro vulnerabilità.
▪ Applicazioni: Porotocolli ssl, tls, ssh, virtual private network, ipsec, ecc. Protocolli di autenticazione punto-punto e in rete locale. radius e vulnerabilità. Altre applicazioni.
◦ Considerazioni sui sistemi per la rilevazione automatica dei problemi
◦ Sicurezza dei sistemi:
▪ principi generali: passwords e loro vulnerabilità, metodologia di hardening, assessment e auditing
▪ unix: controllo di accesso discrezionario, sicurezza nel filesystem, autenticazione, PAM, syslog
◦ Sicurezza delle reti:
▪ Firewalling: firewall stateless e statefull, connessioni, syn-proxy e syn-cookies, load balancing e high availability, linux netfilter ed esempi di configurazioni.
▪ Sicurezza di rete a livello 1 e 2.
▪ Proxy applicativi, Intrusion detection systems di rete.
• Authenticated Data Structures
• Distributed Ledger Technologies and Bitcoin
• Smart contracts
• Cybersecurity nelle grandi organizzazioni

Dispense del corso

Il programma viene definito all'inizio dell'anno sulla base dei docenti stranieri invitati. Il sito Web del corso (su Moodle) viene tenuto aggiornato con le informazioni più recenti.

La documentazione e i testi sono scelti dai docenti stranieri e saranno disponibili sul sito del corso presente su Moodle.

Data and Visualization: Data overloading. Comparison of Scientific Visualization and Information Visualization. Structured and Unstructured data. Data transformation. Data tables.

Visual Perception: Our vision’s principles and limitations. Peripheral and central view. The perception of color.

Cognitive Issues and User Tasks: Perception abilities. Weber's law. Stevens' power law. Gestalt laws. A two stage model for visual perception. Task taxonomies.

Infovis on the Web - SVG and D3.js: Basic ingredients of Web data visualization. JavaScript crash course. Raster and vector graphics. Overview of JavaScript libraries. Focus on D3.js.

Multivariate Data Representations: Combined views. Icons or glyphs. Alternative coordinate systems.

Visualization in Computer Networks: Visual analysis in the computer network domain. Motivations. Taxonomies. Real-world examples and use cases. Open questions.

Design Methods and Evaluation: Design methodologies and design choices. Design evaluation (goals, difficulties, practices, guidelines).

Visualization of Time Series Data: Definition of time series and temporal data. Visualization of time series (single dependent variable, multiple dependent variables). Case studies.

Interaction: Classification of interaction mechanisms, goals, and timings. Examples of interaction strategies.

Introduction to Graph Drawing: Graph Drawing conventions and aesthetics. The divide an conquer approach for testing planarity of a graph.

Node-link Representations of Trees: Representing trees within the node-link paradigm. Layered drawings of trees. Hv-drawings of trees. Limitations of node-link representations.

Space-Filling Visualizations of Trees: Algorithms and systems for the representation of trees using the space-filling strategy. Treemaps. 3D Space-filling approaches.

Representations of Graphs and Networks with the Force-Directed Approach: The force-directed paradigm. The barycenter method. Spring embedders. Scalability and flexibility of the force-directed paradigm. Fruchterman-Reingold and Barnes–Hut algorithms. Simulating graph theoretic distances. Magnetic fields. Generic energy functions. Handling drawing constraints.

Representations of Hierarchical Data: Algorithms for the representation of layered networks. The Sugiyama approach. Step 1: Cycle removal. Step 2: Level Assignment. Step 3: Crossing Reduction. Step 4: X-Coordinate Assignment

Orthogonal Drawings: Computing orthogonal drawings via Network Flows. The Topology-Shape-Metric approach. Extension to graphs of arbitrary degree. Representations of orthogonal drawings obtained from visibility representations and by incremental approaches.

Visualizing Large Graphs: Strategies for the visualization of massive amount of data providing both overview and details. Alternate between views. Combine different views. Filtering and clustering principles. Three-dimensional and two-dimensional representations of clustered graphs. Hybrid representations.

Tools and Libraries for Drawing Graphs: Tools and Libraries for drawing graphs. Programming languages, input and output formats, and interaction. Some practical example.

Architectures for Scalable Information Visualization: Computational and memory scalabity. Visualization architectures. Strategies for visualizing massive amounts of data.

Trasparenze fornite dal docente e scaricabili via via dal sito del corso: http://www.dia.uniroma3.it/~infovis/
Per scaricare le slides sono neccessarie delle credenziali da richiedere al docente (maurizio.patrignani@uniroma3.it)

Fondamenti: Concetti di architettura del software; Descrizioni architetturali; Attributi di qualità; Processo di definizione dell'architettura software.
Qualità e progettazione per gli attributi di qualità: prestazioni, modificabilità, disponibilità, verificabilità, scalabilità, interoperabilità, monitoraggio.
Pattern architetturali: Domain Model; Domain Object; Layers; Pipes & Filters; altri pattern POSA; architettura esagonale.
Architettura dei sistemi distribuiti; client/server, peer-to-peer, invocazione remota; broker; comunicazione asincrona; messaging; componenti; architettura a componenti; contenitori per componenti.
Architettura a servizi: servizi; architettura a servizi; servizi REST; architettura basata su servizi; architettura a microservizi.
DevOps e rilascio del software: ambienti e gestione di ambienti; cloud computing; macchine virtuali e virtualizzazione di sistema; container e virtualizzazione basata su container; orchestrazione di container; continuous delivery.
Middleware.

Luca Cabibbo
Architettura del Software: Strutture e Qualità
Edizioni Efesto, 2021
ISBN: 9788833812458

La struttura di Internet e il rapporto tra Internet, Data Center e Cloud
Il Polo Strategico Nazionale: un grande Data Center in corso di realizzazione
Il Sistema Pubblico di Connettività: un insieme di grandi reti private connesse tra loro e connesse a Internet
Generalità sugli algoritmi di instradamento per l'infrastruttura di rete fissa
Algoritmi e protocolli di livello tre
Algoritmi Distance Vector
Algoritmi Link-State-Packet
Protocolli di instradamento
Algoritmi e protocolli di livello due
Calcolo dello spanning tree in reti con switch
VLAN: reti locali virtuali
Evoluzione dello spanning tree protocol
Software Defined Networks
Il routing interdominio
Border Gateway Protocol
BGP pitfalls
Scalabilità di BGP
La gerarchia di Internet
Uso del servizio RIPE Stat
Uso del servizio AS Rank
Uso dei Looking Glass - il caso Hurricane Electric
Stabilità di BGP
Anomalie in Internet
Routing di un ISP basato su MPLS (ulteriore materiale)
TCP e le tecniche per trasmissioni efficienti
Efficienza di TCP per nei servizi interattivi
TCP e controllo di congestione
Comportamento self-clocking di TCP e il prodotto banda-latenza
Comportamento aimd di TCP
BBR TCP
Routing nei data centers
Servizi basati sul Web: dai Data center alle CDN
Architetture, modelli e algoritmi per servizi basati sul Web
Distribuzione locale
Distribuzione globale
Content delivery networks
IPv6
Indirizzamento e aspetti di base del protocollo
ICMPv6
Source address selection e multihoming
Meccanismi di transizione IPv4-IPv6

Trasparenze fornite dal docente e scaricabili via via dal sito del corso: http://www.dia.uniroma3.it/~impianti/
Per scaricare le slides sono neccessarie delle credenziali da richiedere al docente (maurizio.patrignani@uniroma3.it)

Richiami sui sistemi e sulle reti di comunicazione
Caratteristiche dei segnali e analisi di Fourier. Trasmissioni in banda base e in banda passante. Pulse code modulation (PCM), frequency division multiplexing (FDM), time division multiplexing (TDM), code division multiplexing (CDM), orthogonal frequency division multiplexing (OFDM).
Commutazione di circuito e di pacchetto, servizi orientati alla connessione e senza connessione, topologie e classificazione delle reti. Personal area networks (PAN), local area networks (LAN), metropolitan area networks (MAN), wide area networks (WAN), storage area networks (SAN). Architetture di rete e protocolli.

Sistemi di comunicazione via cavo
Doppini, cavi coassiali e fibre ottiche. Sistemi di comunicazione in fibra ottica. Attenuazione, dispersione, amplificazione nei sistemi in fibra ottica. Wavelength division multiplexing (WDM). Optical transport networks (OTN). Automatically switched transport networks (ASTN). Generalized multi protocol label switching (GMPLS). Reti di accesso in fibra ottica; passive optical networks (PON); sistemi fiber to the X (FTTX). Fiber Channel. Digital subscriber line (DSL). Connettori. Diodi laser, LED e fotorivelatori. Synchronous digital hierarchy (SDH), synchronous optical networks (SONET).

Sistemi di comunicazione wireless
Propagazione delle onde elettromagnetiche. Fading. Sistemi wireless ottici. Sistemi di trasmissione a microonde. Antenne per comunicazioni wireless. IEEE 802.11 (Wi-Fi). Bluetooth. Bluetooth Low Energy (BLE). Long Range WAN (LoRaWAN).

Sistemi di comunicazioni mobili
Evoluzione dei sistemi cellulari, sistemi 4G e 5G

Sicurezza delle reti
Dimensioni e livelli di sicurezza, principi di crittografia, crittografia simmetrica e asimmetrica, Data encryption standard (DES) e advanced encryption standard (AES). Wireless equivalent privacy (WEP) e Wi-Fi protected access (WPA). Quantum Key Distribution (QKD).

Andrew S. Tanenbaum - Computer Networks – 6 edizione
Stamatios V. Kartalopoulos - Next Generation Intelligent Optical Networks
Mahbub Hassan - Wireless and Mobile Networking

Descrizione del processo decisionale.
Introduzione alla programmazione lineare a numeri interi (PLI): relazione fra PL e PLI, formulazioni equivalenti, rilassamenti, tecniche standard per la formulazione di problemi di PLI.
Formulazione di tipici problemi di ottimizzazione: localizzazione di impianti, scelta di investimenti, sequenziamento di attività, allocazione di risorse in sistemi informatici, ottimizzazione su reti, trasporti, set covering, set partitioning, set packing, turni del personale.
Soluzione esatta di problemi di programmazione lineare a numeri interi: branch and bound, piani di taglio, tecniche di programmazione dinamica (PD).
Matrici totalmente unimodulari.
Il problema di knapsack: branch and bound, algoritmo di PD, dis. cover.
Ottimizzazione su grafi: matching, vertex cover. Grafi euleriani e grafi bipartiti.
Utilizzo di software commerciali per la soluzione di problemi di programmazione matematica.

[1] M. FISCHETTI, "LEZIONI DI RICERCA OPERATIVA", EDIZIONI LIBRERIA PROGETTO PADOVA, ITALIA, 1995. (CAP. 2, 5,parte del 6 e del 7).
[2] R. AHUJA, T. MAGNANTI, J. ORLIN, "NETWORK FLOWS", PRENTICE HALL, 1993. (pagine 189-191, 473-475, 494-496)
[3] DISPENSE FORNITE DAL DOCENTE E/O DISPONIBILI SUL WEB.

- Panoramica sui sistemi di supporto alle decisioni (DSS). Model Driven DSS.
- Richiami di modellazione (esempi di formulazioni PL, PLI e PNL). Cenni alla complessità computazionale.
- Generalità su Business Analytics. Predictive analytics, alberi di classificazione ottimi, esempi. Prescriptive analytics.
- Algoritmi euristici: Euristiche Costruttive, Ricerca Locale, Ricerca Locale a profondità variabile, Tabu Search, Simulated Annealing, Algoritmi Genetici, GRASP, Iterated Local Search, Variable Neighborhood Search, Guided Local Search, Ant Colony Optimization, PSO, Scatter Search, Path relinking...
- Ottimizzazione robusta.
- Studio di casi reali: (1) ottimizzazione dei flussi nella distribuzione di cibi surgelati dagli impianti di produzione ai rivenditori, (2) ottimizzazione dei turni del personale sanitario nei reparti ospedalieri, (3) ottimizzazione dei percorsi per la raccolta di materiale biologico per analisi di laboratorio, (4) gestione ottima del magazzino di un’azienda che si occupa di vendite online, (5) ottimizzazione della supply chain nel mondo della moda.

1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.
2. Slide e materiale didattico fornito dal docente

Tecnologia delle basi di dati attuali: strutture fisiche, gestione delle transazioni, architetture distribuite. Basi di dati per il supporto alle decisioni, analisi e modellazione delle prestazioni di un database. Seminari sulle recenti evoluzione delle basi di dati.

P. Atzeni et al. Basi di dati 5/Ed. McGraw-Hill, 2018
D. Menasce et al. Performance by Design: Computer Capacity Planning by Example, 2004
Materiale aggiuntivo a cura dei docenti sul sito
http://www.dia.uniroma3.it/~atzeni/didattica/BD/BDIIindex.html

Tecnologia delle basi di dati attuali: strutture fisiche, gestione delle transazioni, architetture distribuite. Basi di dati per il supporto alle decisioni, data warehousing. Seminari sulle recenti evoluzione delle basi di dati.

P. Atzeni et al. Basi di dati 5/Ed. McGraw-Hill, 2018
Materiale aggiuntivo a cura del docente sul sito
http://www.dia.uniroma3.it/~atzeni/didattica/BD/BDIIindex.html

Introduzione al corso
Sistema visivo umano ed elaborazione delle immagini nel dominio spaziale
Filtraggio nel dominio spaziale
Filtraggio nel dominio trasformato
Trasformata wavelet
Modelli di rumore
Compressione di immagini
Fondamenti di elaborazione del segnale audio
Codifica Video
Sistemi tattili
Applicazioni in Python

R.C. Gonzalez, R.E. Woods, and S. L. Eddins, "Digital Image Processing Using MATLAB, 2e", Publisher: Prentice-Hall;
B. Block and P. McNally, “3D storytelling: how stereoscopic 3D works and how to use it”, Publisher: Focal Press;
C. W. Chen, Z. Li and S. Lian, “Intelligent Multimedia Communication: Techniques and Applications (Studies in Computational Intelligence)”, Publisher: Springer;

I numeri dei capitoli e delle sezioni sono presi dal testo di S. Ross "Probabilita' e Statistica per l'Ingegneria".

Cap. 1: 1.1, 1.2, 1.3
Cap. 2: 2.2, 2.2.1, 2.2.2, 2.3, 2.3.1, 2.3.2, 2.4, 2.5, 2.6
Cap. 3: 3.1, 3.2, 3.3, 3.4, 3.5, 3.5.1, 3.6, 3.7, 3.8
Cap. 4: 4.1, 4.2, 4.3, 4.3.1, 4.3.2, 4.3.3, 4.4, 4.5, 4.5.1, 4.6, 4.7, 4.9
Cap. 5: 5.1, 5.2, 5.4, 5.5, 5.6, 5.6.1, 5.7, 5.8.1., 5.8.2.
Cap. 6: 6.1, 6.2, 6.3, 6.3.1, 6.3.2, 6.4, 6.5, 6.5.1, 6.5.2
Cap. 7: 7.1, 7.2, 7.3, 7.3.1, 7.3.2, 7.4, 7.5, 7.7
Cap. 8: 8.1, 8.2, 8.3, 8.3.1, 8.3.2, 8.4.1, 8.6,
Cap. 9: 9.1, 9.2, 9.3, 9.6
Cap. 11: 11.1, 11.2, 11.4 (per questa parte consultare anche il cap. 6.4, 6.5 del libro "Moduli di matematica e statistica con uso di R" di S. Invernizzi, M. Rinaldi e F. Comoglio).

Sheldon Ross "Probabilita' e Statistica per l'Ingegneria", ed. Apogeo. E' consigliato anche consultare "Moduli di matematica e statistica" di S. Invernizzi, M. Rinaldi e F. Comoglio, ed. Zanichelli.


testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi

1. Algoritmi ed intelligenza artificiale

- Note introduttive sugli algoritmi e sul problem solving dal punto di vista ingegneristico
- Il calcolo Evolutivo: Algoritmi Genetici, Swarm Intelligence.
- Le Reti Neurali.
- Linguaggi di programmazione ed ambienti di sviluppo: python.

2. Applicazione dell’intelligenza artificiale nell’ingegneria industriale e dell’informazione

- Applicazione di Calcolo Evolutivo per l’ottimizzazione e i problemi inversi nell'ingegneria dei materiali, energia e in campo biomedico.
- Modelli Neurali, genetici e di swarm intelligence applicati alla modellistica di materiali e dispositivi.
- Applicazione dell’IA e del machine learning nell’ambito della progettazione.

3. Applicazioni dell'IA alla musica e all'arte in generale

- Tecniche di ML per la Composizione musicale. Come informatizzare il segnale musicale: il MIDI.
- Intelligenza artificiale generativa nelle arti visive e letterarie.

Zhng, A., Lipton, Z. C., Li, M., & Smola, A. J. (2021). Dive into deep learning. arXiv preprint arXiv:2106.11342. Disponibile online: https://d2l.ai/
Intelligenza Artificiale e arte - ISBN-13 978-8816606012 Editore Jaca Book Data di pubblicazione 5 novembre 2020
Dispense fornite dal docente.

1. Algoritmi ed intelligenza artificiale

- Note introduttive sugli algoritmi e sul problem solving dal punto di vista ingegneristico
- Il calcolo Evolutivo: Algoritmi Genetici, Swarm Intelligence.
- Le Reti Neurali.
- Linguaggi di programmazione ed ambienti di sviluppo: python.

2. Applicazione dell’intelligenza artificiale nell’ingegneria industriale e dell’informazione

- Applicazione di Calcolo Evolutivo per l’ottimizzazione e i problemi inversi nell'ingegneria dei materiali, energia e in campo biomedico.
- Modelli Neurali, genetici e di swarm intelligence applicati alla modellistica di materiali e dispositivi.
c

3. Applicazioni dell'IA alla musica e all'arte in generale

- Tecniche di ML per la Composizione musicale. Come informatizzare il segnale musicale: il MIDI.
- Intelligenza artificiale generativa nelle arti visive e letterarie.

Zhng, A., Lipton, Z. C., Li, M., & Smola, A. J. (2021). Dive into deep learning. arXiv preprint arXiv:2106.11342. Disponibile online: https://d2l.ai/

Intelligenza Artificiale e arte - ISBN-13 978-8816606012 Editore Jaca Book Data di pubblicazione 5 novembre 2020

Dispense fornite dal docente.

- Introduzione ai CPS: applicazioni e sistemi
- Modelli per i CPS
- Sistemi di comunicazione per i CPS: standards, comunicazione wireless e tecnologie correlate
- Sistemi in tempo reale
- Sistemi di fault diagnosis: detection-isolation-identification di anomalie basate sul modello
- Sistemi di identificazione di attacchi cyber basati sul modello del sistema: attacchi evoluti a CPS

Dispense del docente
Articoli scientifici

Source discovery
Data quality
Data integration

Slide del docente

• Introduzione al corso
• Introduzione alla sicurezza informatica e terminologia
• Vulnerabilità e minacce
◦ Vulnerabilità del software input fidato e non fidato, validazione dell'input. Vulnerabilità di applicazioni scritte in linguaggi interpretati, code injection. Injection in pagine web: XSS. Cross site request forgery. OWASP.
▪ esempio di sito vulnerabile a sql injection
◦ Attacchi di tipo buffer overflow . Exploitation: privilege excalation, intrusioni via rete tramite servizi aperti, intrusione via documenti non fidati (via email, via web o altro).
▪ esempio di codice vulnerabile a buffer overflow e relativo exploit
◦ Vulnerabilità delle reti : sniffing, mac flood, ARP poisoning, vulnerabilità del DNS, attacco di Kaminsky. TCP session hijecking, attacchi MitM, DOS e Distributed DoS, Route hijacking.
• Pianificazione della sicurezza: contenuti del piano di sicurezza, analisi dei rischi.
• Contromisure
◦ Principi di progettazione di politiche e meccanismi
◦ Modelli: AAA, confinamento, DAC, MAC, access control matrix 
◦ Tecniche crittografiche:
▪ richiami di crittografia (hash, simmetrica, asimmetrica, MAC, firma digitale), attacchi birthday, rainbow, qualità delle chiavi, generazione di numeri pesudo-casuali.
▪ Protocolli di autenticazione e di scambio di chiavi. Attacchi replay e reflection. Nonces. Perfect Forward Secrecy. Diffie-Helman. 
▪ Certificati, certification authority, public key infrastructure e loro vulnerabilità.
▪ Applicazioni: Porotocolli ssl, tls, ssh, virtual private network, ipsec, ecc. Protocolli di autenticazione punto-punto e in rete locale. radius e vulnerabilità. Altre applicazioni.
◦ Considerazioni sui sistemi per la rilevazione automatica dei problemi
◦ Sicurezza dei sistemi:
▪ principi generali: passwords e loro vulnerabilità, metodologia di hardening, assessment e auditing
▪ unix: controllo di accesso discrezionario, sicurezza nel filesystem, autenticazione, PAM, syslog
◦ Sicurezza delle reti:
▪ Firewalling: firewall stateless e statefull, connessioni, syn-proxy e syn-cookies, load balancing e high availability, linux netfilter ed esempi di configurazioni.
▪ Sicurezza di rete a livello 1 e 2.
▪ Proxy applicativi, Intrusion detection systems di rete.
• Authenticated Data Structures
• Distributed Ledger Technologies and Bitcoin
• Smart contracts
• Cybersecurity nelle grandi organizzazioni

Dispense del corso

Descrizione del processo decisionale.
Introduzione alla programmazione lineare a numeri interi (PLI): relazione fra PL e PLI, formulazioni equivalenti, rilassamenti, tecniche standard per la formulazione di problemi di PLI.
Formulazione di tipici problemi di ottimizzazione: localizzazione di impianti, scelta di investimenti, sequenziamento di attività, allocazione di risorse in sistemi informatici, ottimizzazione su reti, trasporti, set covering, set partitioning, set packing, turni del personale.
Soluzione esatta di problemi di programmazione lineare a numeri interi: branch and bound, piani di taglio, tecniche di programmazione dinamica (PD).
Matrici totalmente unimodulari.
Il problema di knapsack: branch and bound, algoritmo di PD, dis. cover.
Ottimizzazione su grafi: matching, vertex cover. Grafi euleriani e grafi bipartiti.
Utilizzo di software commerciali per la soluzione di problemi di programmazione matematica.

[1] M. FISCHETTI, "LEZIONI DI RICERCA OPERATIVA", EDIZIONI LIBRERIA PROGETTO PADOVA, ITALIA, 1995. (CAP. 2, 5,parte del 6 e del 7).
[2] R. AHUJA, T. MAGNANTI, J. ORLIN, "NETWORK FLOWS", PRENTICE HALL, 1993. (pagine 189-191, 473-475, 494-496)
[3] DISPENSE FORNITE DAL DOCENTE E/O DISPONIBILI SUL WEB.

- Panoramica sui sistemi di supporto alle decisioni (DSS). Model Driven DSS.
- Richiami di modellazione (esempi di formulazioni PL, PLI e PNL). Cenni alla complessità computazionale.
- Generalità su Business Analytics. Predictive analytics, alberi di classificazione ottimi, esempi. Prescriptive analytics.
- Algoritmi euristici: Euristiche Costruttive, Ricerca Locale, Ricerca Locale a profondità variabile, Tabu Search, Simulated Annealing, Algoritmi Genetici, GRASP, Iterated Local Search, Variable Neighborhood Search, Guided Local Search, Ant Colony Optimization, PSO, Scatter Search, Path relinking...
- Ottimizzazione robusta.
- Studio di casi reali: (1) ottimizzazione dei flussi nella distribuzione di cibi surgelati dagli impianti di produzione ai rivenditori, (2) ottimizzazione dei turni del personale sanitario nei reparti ospedalieri, (3) ottimizzazione dei percorsi per la raccolta di materiale biologico per analisi di laboratorio, (4) gestione ottima del magazzino di un’azienda che si occupa di vendite online, (5) ottimizzazione della supply chain nel mondo della moda.

1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.
2. Slide e materiale didattico fornito dal docente

Richiami sui sistemi e sulle reti di comunicazione
Caratteristiche dei segnali e analisi di Fourier. Trasmissioni in banda base e in banda passante. Pulse code modulation (PCM), frequency division multiplexing (FDM), time division multiplexing (TDM), code division multiplexing (CDM), orthogonal frequency division multiplexing (OFDM).
Commutazione di circuito e di pacchetto, servizi orientati alla connessione e senza connessione, topologie e classificazione delle reti. Personal area networks (PAN), local area networks (LAN), metropolitan area networks (MAN), wide area networks (WAN), storage area networks (SAN). Architetture di rete e protocolli.

Sistemi di comunicazione via cavo
Doppini, cavi coassiali e fibre ottiche. Sistemi di comunicazione in fibra ottica. Attenuazione, dispersione, amplificazione nei sistemi in fibra ottica. Wavelength division multiplexing (WDM). Optical transport networks (OTN). Automatically switched transport networks (ASTN). Generalized multi protocol label switching (GMPLS). Reti di accesso in fibra ottica; passive optical networks (PON); sistemi fiber to the X (FTTX). Fiber Channel. Digital subscriber line (DSL). Connettori. Diodi laser, LED e fotorivelatori. Synchronous digital hierarchy (SDH), synchronous optical networks (SONET).

Sistemi di comunicazione wireless
Propagazione delle onde elettromagnetiche. Fading. Sistemi wireless ottici. Sistemi di trasmissione a microonde. Antenne per comunicazioni wireless. IEEE 802.11 (Wi-Fi). Bluetooth. Bluetooth Low Energy (BLE). Long Range WAN (LoRaWAN).

Sistemi di comunicazioni mobili
Evoluzione dei sistemi cellulari, sistemi 4G e 5G

Sicurezza delle reti
Dimensioni e livelli di sicurezza, principi di crittografia, crittografia simmetrica e asimmetrica, Data encryption standard (DES) e advanced encryption standard (AES). Wireless equivalent privacy (WEP) e Wi-Fi protected access (WPA). Quantum Key Distribution (QKD).

Andrew S. Tanenbaum - Computer Networks – 6 edizione
Stamatios V. Kartalopoulos - Next Generation Intelligent Optical Networks
Mahbub Hassan - Wireless and Mobile Networking

Il programma viene definito all'inizio dell'anno sulla base dei docenti stranieri invitati. Il sito Web del corso (su Moodle) viene tenuto aggiornato con le informazioni più recenti.

La documentazione e i testi sono scelti dai docenti stranieri e saranno disponibili sul sito del corso presente su Moodle.

- Infrastrutture e paradigmi di programmazione per i big data
- L'ecosistema Hadoop
- Cloud computing
- Elaborazione di big data (MapReduce, Hive, Spark)
- I sistemi NoSQL
- Tecniche di analisi di big data
- I Data Lake
- Sistemi e applicazioni
- Seminari aziendali

Martin J. Fowler, PramodkumarJ. Sadalage. "NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence".
Materiale predisposto dal docente (disponibile sul sito Web del corso su Moodle)

1. Algoritmi ed intelligenza artificiale

- Note introduttive sugli algoritmi e sul problem solving dal punto di vista ingegneristico
- Il calcolo Evolutivo: Algoritmi Genetici, Swarm Intelligence.
- Le Reti Neurali.
- Linguaggi di programmazione ed ambienti di sviluppo: python.

2. Applicazione dell’intelligenza artificiale nell’ingegneria industriale e dell’informazione

- Applicazione di Calcolo Evolutivo per l’ottimizzazione e i problemi inversi nell'ingegneria dei materiali, energia e in campo biomedico.
- Modelli Neurali, genetici e di swarm intelligence applicati alla modellistica di materiali e dispositivi.
- Applicazione dell’IA e del machine learning nell’ambito della progettazione.

3. Applicazioni dell'IA alla musica e all'arte in generale

- Tecniche di ML per la Composizione musicale. Come informatizzare il segnale musicale: il MIDI.
- Intelligenza artificiale generativa nelle arti visive e letterarie.

Zhng, A., Lipton, Z. C., Li, M., & Smola, A. J. (2021). Dive into deep learning. arXiv preprint arXiv:2106.11342. Disponibile online: https://d2l.ai/
Intelligenza Artificiale e arte - ISBN-13 978-8816606012 Editore Jaca Book Data di pubblicazione 5 novembre 2020
Dispense fornite dal docente.

1. Algoritmi ed intelligenza artificiale

- Note introduttive sugli algoritmi e sul problem solving dal punto di vista ingegneristico
- Il calcolo Evolutivo: Algoritmi Genetici, Swarm Intelligence.
- Le Reti Neurali.
- Linguaggi di programmazione ed ambienti di sviluppo: python.

2. Applicazione dell’intelligenza artificiale nell’ingegneria industriale e dell’informazione

- Applicazione di Calcolo Evolutivo per l’ottimizzazione e i problemi inversi nell'ingegneria dei materiali, energia e in campo biomedico.
- Modelli Neurali, genetici e di swarm intelligence applicati alla modellistica di materiali e dispositivi.
c

3. Applicazioni dell'IA alla musica e all'arte in generale

- Tecniche di ML per la Composizione musicale. Come informatizzare il segnale musicale: il MIDI.
- Intelligenza artificiale generativa nelle arti visive e letterarie.

Zhng, A., Lipton, Z. C., Li, M., & Smola, A. J. (2021). Dive into deep learning. arXiv preprint arXiv:2106.11342. Disponibile online: https://d2l.ai/

Intelligenza Artificiale e arte - ISBN-13 978-8816606012 Editore Jaca Book Data di pubblicazione 5 novembre 2020

Dispense fornite dal docente.

Introduzione al corso
Sistema visivo umano ed elaborazione delle immagini nel dominio spaziale
Filtraggio nel dominio spaziale
Filtraggio nel dominio trasformato
Trasformata wavelet
Modelli di rumore
Compressione di immagini
Fondamenti di elaborazione del segnale audio
Codifica Video
Sistemi tattili
Applicazioni in Python

R.C. Gonzalez, R.E. Woods, and S. L. Eddins, "Digital Image Processing Using MATLAB, 2e", Publisher: Prentice-Hall;
B. Block and P. McNally, “3D storytelling: how stereoscopic 3D works and how to use it”, Publisher: Focal Press;
C. W. Chen, Z. Li and S. Lian, “Intelligent Multimedia Communication: Techniques and Applications (Studies in Computational Intelligence)”, Publisher: Springer;

Descrizione del processo decisionale.
Introduzione alla programmazione lineare a numeri interi (PLI): relazione fra PL e PLI, formulazioni equivalenti, rilassamenti, tecniche standard per la formulazione di problemi di PLI.
Formulazione di tipici problemi di ottimizzazione: localizzazione di impianti, scelta di investimenti, sequenziamento di attività, allocazione di risorse in sistemi informatici, ottimizzazione su reti, trasporti, set covering, set partitioning, set packing, turni del personale.
Soluzione esatta di problemi di programmazione lineare a numeri interi: branch and bound, piani di taglio, tecniche di programmazione dinamica (PD).
Matrici totalmente unimodulari.
Il problema di knapsack: branch and bound, algoritmo di PD, dis. cover.
Ottimizzazione su grafi: matching, vertex cover. Grafi euleriani e grafi bipartiti.
Utilizzo di software commerciali per la soluzione di problemi di programmazione matematica.

[1] M. FISCHETTI, "LEZIONI DI RICERCA OPERATIVA", EDIZIONI LIBRERIA PROGETTO PADOVA, ITALIA, 1995. (CAP. 2, 5,parte del 6 e del 7).
[2] R. AHUJA, T. MAGNANTI, J. ORLIN, "NETWORK FLOWS", PRENTICE HALL, 1993. (pagine 189-191, 473-475, 494-496)
[3] DISPENSE FORNITE DAL DOCENTE E/O DISPONIBILI SUL WEB.

- Panoramica sui sistemi di supporto alle decisioni (DSS). Model Driven DSS.
- Richiami di modellazione (esempi di formulazioni PL, PLI e PNL). Cenni alla complessità computazionale.
- Generalità su Business Analytics. Predictive analytics, alberi di classificazione ottimi, esempi. Prescriptive analytics.
- Algoritmi euristici: Euristiche Costruttive, Ricerca Locale, Ricerca Locale a profondità variabile, Tabu Search, Simulated Annealing, Algoritmi Genetici, GRASP, Iterated Local Search, Variable Neighborhood Search, Guided Local Search, Ant Colony Optimization, PSO, Scatter Search, Path relinking...
- Ottimizzazione robusta.
- Studio di casi reali: (1) ottimizzazione dei flussi nella distribuzione di cibi surgelati dagli impianti di produzione ai rivenditori, (2) ottimizzazione dei turni del personale sanitario nei reparti ospedalieri, (3) ottimizzazione dei percorsi per la raccolta di materiale biologico per analisi di laboratorio, (4) gestione ottima del magazzino di un’azienda che si occupa di vendite online, (5) ottimizzazione della supply chain nel mondo della moda.

1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.
2. Slide e materiale didattico fornito dal docente

Richiami sui sistemi e sulle reti di comunicazione
Caratteristiche dei segnali e analisi di Fourier. Trasmissioni in banda base e in banda passante. Pulse code modulation (PCM), frequency division multiplexing (FDM), time division multiplexing (TDM), code division multiplexing (CDM), orthogonal frequency division multiplexing (OFDM).
Commutazione di circuito e di pacchetto, servizi orientati alla connessione e senza connessione, topologie e classificazione delle reti. Personal area networks (PAN), local area networks (LAN), metropolitan area networks (MAN), wide area networks (WAN), storage area networks (SAN). Architetture di rete e protocolli.

Sistemi di comunicazione via cavo
Doppini, cavi coassiali e fibre ottiche. Sistemi di comunicazione in fibra ottica. Attenuazione, dispersione, amplificazione nei sistemi in fibra ottica. Wavelength division multiplexing (WDM). Optical transport networks (OTN). Automatically switched transport networks (ASTN). Generalized multi protocol label switching (GMPLS). Reti di accesso in fibra ottica; passive optical networks (PON); sistemi fiber to the X (FTTX). Fiber Channel. Digital subscriber line (DSL). Connettori. Diodi laser, LED e fotorivelatori. Synchronous digital hierarchy (SDH), synchronous optical networks (SONET).

Sistemi di comunicazione wireless
Propagazione delle onde elettromagnetiche. Fading. Sistemi wireless ottici. Sistemi di trasmissione a microonde. Antenne per comunicazioni wireless. IEEE 802.11 (Wi-Fi). Bluetooth. Bluetooth Low Energy (BLE). Long Range WAN (LoRaWAN).

Sistemi di comunicazioni mobili
Evoluzione dei sistemi cellulari, sistemi 4G e 5G

Sicurezza delle reti
Dimensioni e livelli di sicurezza, principi di crittografia, crittografia simmetrica e asimmetrica, Data encryption standard (DES) e advanced encryption standard (AES). Wireless equivalent privacy (WEP) e Wi-Fi protected access (WPA). Quantum Key Distribution (QKD).

Andrew S. Tanenbaum - Computer Networks – 6 edizione
Stamatios V. Kartalopoulos - Next Generation Intelligent Optical Networks
Mahbub Hassan - Wireless and Mobile Networking

Fondamenti: Concetti di architettura del software; Descrizioni architetturali; Attributi di qualità; Processo di definizione dell'architettura software.
Qualità e progettazione per gli attributi di qualità: prestazioni, modificabilità, disponibilità, verificabilità, scalabilità, interoperabilità, monitoraggio.
Pattern architetturali: Domain Model; Domain Object; Layers; Pipes & Filters; altri pattern POSA; architettura esagonale.
Architettura dei sistemi distribuiti; client/server, peer-to-peer, invocazione remota; broker; comunicazione asincrona; messaging; componenti; architettura a componenti; contenitori per componenti.
Architettura a servizi: servizi; architettura a servizi; servizi REST; architettura basata su servizi; architettura a microservizi.
DevOps e rilascio del software: ambienti e gestione di ambienti; cloud computing; macchine virtuali e virtualizzazione di sistema; container e virtualizzazione basata su container; orchestrazione di container; continuous delivery.
Middleware.

Luca Cabibbo
Architettura del Software: Strutture e Qualità
Edizioni Efesto, 2021
ISBN: 9788833812458

1. Introduzione al corso

- Aree di interesse dell’Intelligenza Artificiale.
- Potenzialità dei modelli e dei metodi di IA.

2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati

- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, iterative deepening).
- Ricerca euristica (Best First, Algoritmo A*, funzioni euristiche).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, ecc.).
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta pruning).

3. Introduzione al linguaggio Python

- Ambienti di sviluppo, Jupyter Notebook, Colab.
- Python base. Strutture dati in Pyhton.
- Librerie Python: NumPy, Pandas, Matplotlib, ScikitLearn.

4. Evolutionary Computation

- Soft Computing e “No Free Lunch Theorem”.
- Algoritmi Genetici e loro applicazioni.
- Particle Swarm Optimization e applicazioni.

5. Machine Learning

- Introduzione al Machine Learning.
- Cenni sulle tecniche di regressione, classificazione, clustering, ecc.
- Applicazioni del Machine Learning.

6. Comunicazione e Percezione

- Elaborazione del linguaggio naturale, Information Retrieval.
- Visione Artificiale:
• Luce e colore
• Formazione immagini
• Elaborazione flusso visuale
• Tecniche di object recognition

Dispense a cura del docente.

I numeri dei capitoli e delle sezioni sono presi dal testo di S. Ross "Probabilita' e Statistica per l'Ingegneria".

Cap. 1: 1.1, 1.2, 1.3
Cap. 2: 2.2, 2.2.1, 2.2.2, 2.3, 2.3.1, 2.3.2, 2.4, 2.5, 2.6
Cap. 3: 3.1, 3.2, 3.3, 3.4, 3.5, 3.5.1, 3.6, 3.7, 3.8
Cap. 4: 4.1, 4.2, 4.3, 4.3.1, 4.3.2, 4.3.3, 4.4, 4.5, 4.5.1, 4.6, 4.7, 4.9
Cap. 5: 5.1, 5.2, 5.4, 5.5, 5.6, 5.6.1, 5.7, 5.8.1., 5.8.2.
Cap. 6: 6.1, 6.2, 6.3, 6.3.1, 6.3.2, 6.4, 6.5, 6.5.1, 6.5.2
Cap. 7: 7.1, 7.2, 7.3, 7.3.1, 7.3.2, 7.4, 7.5, 7.7
Cap. 8: 8.1, 8.2, 8.3, 8.3.1, 8.3.2, 8.4.1, 8.6,
Cap. 9: 9.1, 9.2, 9.3, 9.6
Cap. 11: 11.1, 11.2, 11.4 (per questa parte consultare anche il cap. 6.4, 6.5 del libro "Moduli di matematica e statistica con uso di R" di S. Invernizzi, M. Rinaldi e F. Comoglio).

Sheldon Ross "Probabilita' e Statistica per l'Ingegneria", ed. Apogeo. E' consigliato anche consultare "Moduli di matematica e statistica" di S. Invernizzi, M. Rinaldi e F. Comoglio, ed. Zanichelli.


testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi

Architetture Hardware; Architetture software; OpenGL, Vulkan; CUDA e OpenCL; Curve, superfici, volumi; Algoritmi per la computer graphics e animazione; Concetti base di animazione basata sulla fisica.

Documentazioni ufficiali:
- Unreal Game Engine
- Vulkan
- DirectX
- OpenGL
- CUDA, OpenCL

• Introduzione al corso
• Introduzione alla sicurezza informatica e terminologia
• Vulnerabilità e minacce
◦ Vulnerabilità del software input fidato e non fidato, validazione dell'input. Vulnerabilità di applicazioni scritte in linguaggi interpretati, code injection. Injection in pagine web: XSS. Cross site request forgery. OWASP.
▪ esempio di sito vulnerabile a sql injection
◦ Attacchi di tipo buffer overflow . Exploitation: privilege excalation, intrusioni via rete tramite servizi aperti, intrusione via documenti non fidati (via email, via web o altro).
▪ esempio di codice vulnerabile a buffer overflow e relativo exploit
◦ Vulnerabilità delle reti : sniffing, mac flood, ARP poisoning, vulnerabilità del DNS, attacco di Kaminsky. TCP session hijecking, attacchi MitM, DOS e Distributed DoS, Route hijacking.
• Pianificazione della sicurezza: contenuti del piano di sicurezza, analisi dei rischi.
• Contromisure
◦ Principi di progettazione di politiche e meccanismi
◦ Modelli: AAA, confinamento, DAC, MAC, access control matrix 
◦ Tecniche crittografiche:
▪ richiami di crittografia (hash, simmetrica, asimmetrica, MAC, firma digitale), attacchi birthday, rainbow, qualità delle chiavi, generazione di numeri pesudo-casuali.
▪ Protocolli di autenticazione e di scambio di chiavi. Attacchi replay e reflection. Nonces. Perfect Forward Secrecy. Diffie-Helman. 
▪ Certificati, certification authority, public key infrastructure e loro vulnerabilità.
▪ Applicazioni: Porotocolli ssl, tls, ssh, virtual private network, ipsec, ecc. Protocolli di autenticazione punto-punto e in rete locale. radius e vulnerabilità. Altre applicazioni.
◦ Considerazioni sui sistemi per la rilevazione automatica dei problemi
◦ Sicurezza dei sistemi:
▪ principi generali: passwords e loro vulnerabilità, metodologia di hardening, assessment e auditing
▪ unix: controllo di accesso discrezionario, sicurezza nel filesystem, autenticazione, PAM, syslog
◦ Sicurezza delle reti:
▪ Firewalling: firewall stateless e statefull, connessioni, syn-proxy e syn-cookies, load balancing e high availability, linux netfilter ed esempi di configurazioni.
▪ Sicurezza di rete a livello 1 e 2.
▪ Proxy applicativi, Intrusion detection systems di rete.
• Authenticated Data Structures
• Distributed Ledger Technologies and Bitcoin
• Smart contracts
• Cybersecurity nelle grandi organizzazioni

Dispense del corso

Introduzione al Deep Learning; Addestramento di architetture Deep: tecniche di hyperparameter tuning, batch normalization, faster optimizers, regularization per reti deep; Convolutional Neural Networks (CNN/ConvNets); Analisi di sequenze: Recurrent Neural Networks (GRU, LSTM, Bidirectional); Architetture Encoder-Decoder, Autoencoders, Variational Autoencoders; Attention layers ; Generative Adversarial Networks (GAN); Deep Reinforcement Learning; Embeddings; Principali architetture convolutive (AlexNet, VGG, NiN, GoogLeNet/Inception, ResNet, DenseNet); Applicazioni alla Computer Vision e all'Analisi del linguaggio naturale in linguaggio Keras.

Simon J.D. Prince. "Understanding Deep Learning". MIT Press Dec 5th 2023 A. Geron,
“Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems”, O'Reilly Media, Inc, USA, 2019.

Source discovery
Data quality
Data integration

Slide del docente

Il programma viene definito all'inizio dell'anno sulla base dei docenti stranieri invitati. Il sito Web del corso (su Moodle) viene tenuto aggiornato con le informazioni più recenti.

La documentazione e i testi sono scelti dai docenti stranieri e saranno disponibili sul sito del corso presente su Moodle.

Il corso prenderà in esame vari metodi per la progettazione, l'implementazione e la sperimentazione di sistemi adattivi su Web, realizzati mediante tecniche di Intelligenza Artificiale. Particolare attenzione sarà posta ai sistemi di Information Retrieval, come i motori di ricerca, e a nuove ed emergenti tecnologie idonee per la realizzazione della prossima generazione di strumenti di ricerca intelligenti e personalizzati. Saranno studiati i modelli di retrieval classici, come il modello vector space e i modelli probabilistici, le tecniche di ranking dei documenti, così come l'algoritmo PageRank utilizzato da Google. Saranno affrontati i metodi di Machine Learning in Information Retrieval, incluse le tecniche per la Sentiment Analysis, i metodi di User Modeling necessari per la ricerca personalizzata, i Sistemi di Raccomandazione, l’identificazione e l'analisi delle Comunità Online e Social Network (come ad es. Facebook e Twitter).

Le lezioni del corso riguarderanno tematiche trattate in articoli scientifici e testi di riferimento.
Il docente metterà a disposizione degli studenti i lucidi delle lezioni attraverso il sito del corso. Tali lucidi saranno autosufficienti, cioè redatti in maniera tale da non richiedere la consultazione di testi ulteriori ai fini del superamento dell'esame.

Data and Visualization: Data overloading. Comparison of Scientific Visualization and Information Visualization. Structured and Unstructured data. Data transformation. Data tables.

Visual Perception: Our vision’s principles and limitations. Peripheral and central view. The perception of color.

Cognitive Issues and User Tasks: Perception abilities. Weber's law. Stevens' power law. Gestalt laws. A two stage model for visual perception. Task taxonomies.

Infovis on the Web - SVG and D3.js: Basic ingredients of Web data visualization. JavaScript crash course. Raster and vector graphics. Overview of JavaScript libraries. Focus on D3.js.

Multivariate Data Representations: Combined views. Icons or glyphs. Alternative coordinate systems.

Visualization in Computer Networks: Visual analysis in the computer network domain. Motivations. Taxonomies. Real-world examples and use cases. Open questions.

Design Methods and Evaluation: Design methodologies and design choices. Design evaluation (goals, difficulties, practices, guidelines).

Visualization of Time Series Data: Definition of time series and temporal data. Visualization of time series (single dependent variable, multiple dependent variables). Case studies.

Interaction: Classification of interaction mechanisms, goals, and timings. Examples of interaction strategies.

Introduction to Graph Drawing: Graph Drawing conventions and aesthetics. The divide an conquer approach for testing planarity of a graph.

Node-link Representations of Trees: Representing trees within the node-link paradigm. Layered drawings of trees. Hv-drawings of trees. Limitations of node-link representations.

Space-Filling Visualizations of Trees: Algorithms and systems for the representation of trees using the space-filling strategy. Treemaps. 3D Space-filling approaches.

Representations of Graphs and Networks with the Force-Directed Approach: The force-directed paradigm. The barycenter method. Spring embedders. Scalability and flexibility of the force-directed paradigm. Fruchterman-Reingold and Barnes–Hut algorithms. Simulating graph theoretic distances. Magnetic fields. Generic energy functions. Handling drawing constraints.

Representations of Hierarchical Data: Algorithms for the representation of layered networks. The Sugiyama approach. Step 1: Cycle removal. Step 2: Level Assignment. Step 3: Crossing Reduction. Step 4: X-Coordinate Assignment

Orthogonal Drawings: Computing orthogonal drawings via Network Flows. The Topology-Shape-Metric approach. Extension to graphs of arbitrary degree. Representations of orthogonal drawings obtained from visibility representations and by incremental approaches.

Visualizing Large Graphs: Strategies for the visualization of massive amount of data providing both overview and details. Alternate between views. Combine different views. Filtering and clustering principles. Three-dimensional and two-dimensional representations of clustered graphs. Hybrid representations.

Tools and Libraries for Drawing Graphs: Tools and Libraries for drawing graphs. Programming languages, input and output formats, and interaction. Some practical example.

Architectures for Scalable Information Visualization: Computational and memory scalabity. Visualization architectures. Strategies for visualizing massive amounts of data.

Trasparenze fornite dal docente e scaricabili via via dal sito del corso: http://www.dia.uniroma3.it/~infovis/
Per scaricare le slides sono neccessarie delle credenziali da richiedere al docente (maurizio.patrignani@uniroma3.it)