Corso di Laurea Magistrale in INFORMATICA a.a. 2019/2020

Transcript

1 Corso di Laurea Magistrale in INFORMATICA a.a. 2019/2020

2 Sommario q Obiettivi e caratteristiche generali della LM q Organizzazione del percorso di studio q Definizione dei piani di studio

3 Obiettivi e Caratteristiche Generali

4 OBIETTIVI Oltre il percorso di laurea triennale per qapprofondire conoscenze fondazionali qampliare l orizzonte verso tematiche avanzate, innovative e di ricerca Oltre le nozioni un salto qualitativo nella formazione per acquisire capacità di qriconoscere i problemi in relazione allo stato della conoscenza qconcepire soluzioni originali qcontribuire a scelte strategiche

5 OBIETTIVI Formare profili di laureati capaci di inserirsi efficacemente e autorevolmente in aziende e contesti ad alta innovatività informatica q Puntando verso q Autonomia nello studio di ipotesi progettuali e realizzative q Capacità di contribuire attivamente alla definizione di soluzioni utili e applicabili q Attraverso un rapporto dinamico e collaborativo con incubatori e acceleratori a livello regionale, nazionale, internazionale

6 INNOVAZIONE q Innovazione nell economia e gestione aziendale dell innovazione q Economia dell innovazione (corso obbligatorio) q Startup in ICT (corso opzionale) q Stimoli e sfide dal mondo dell innovazione q Orientamento al mondo delle start-up (crash course) q ICT challenges for startup (seminari) q Possibilità di tesi presso incubatori e aziende ad alto livello di innovazione q Collaborazione in progetti esistenti q Sviluppo di nuovi prodotti q Creazione di start-up

7 Organizzazione del Percorso di Studio

8 Ammissione

9 Requisiti di accesso q Laurea in Informatica oppure in Ingegneria Informatica, Matematica, Statistica con almeno 20 CFU di Informatica (ssd INF/01, ING-INF/05) conseguita entro il 31/12/2019 q Voto di Laurea 90/110 q Conoscenza della lingua Inglese di livello B2 abilità ricettive

10 Accesso in deroga DAL REGOLAMENTO: Per i laureati con elevata preparazione, risultante dalle conoscenze e competenze certificate nel curriculum, provenienti da percorsi formativi non perfettamente coerenti con i requisiti richiesti in ingresso, si può prevedere un diverso iniziale percorso in ingresso e/o specifiche prove di ammissione. IN PRATICA: È possibile comunque richiedere una valutazione preliminare per l ammissione alla LM anche se manca qualche requisito in ingresso: classe di Laurea, numero di CFU, Inglese. Tuttavia: nessuna deroga per il voto di Laurea 90/110

11 Preimmatricolazione Scuola di Scienze Avviso di ammissione, anno accademico Corsi di Laurea Magistrale in lingua italiana ad accesso libero con requisiti Biologia Evoluzionistica Classe LM - 6 Classe delle Lauree in Biologia Biologia Marina Classe LM - 6 Classe delle Lauree in Biologia Biotecnologie Industriali Classe LM - 8 Classe delle Lauree in Biotecnologie Industriali Chimica Classe LM Classe delle Lauree in Scienze Chimiche Chimica Industriale Classe LM Classe delle Lauree in Scienze e Tecnologie della Chimica Industriale Geologia e Geologia Tecnica Classe LM Classe delle Lauree in Scienze e Tecnologie Geologiche Informatica Classe LM Classe delle Lauree in Informatica

12 Preimmatricolazione Preimmatricolazione OBBLIGATORIA Tramite uniweb.unipd.it dal 17 Giugno 2019 al 30 settembre 2019 ore 12:00

13 3686 euro lordi/anno Premi di Studio

14 Percorso di studio 120 CFU complessivi su 2 anni Ø 78 CFU per esami (tipicamente: 13 esami da 6 CFU) Ø 6 CFU per tirocini formativi e altre attività utili per il lavoro Ø 3 CFU di Lingua Inglese B2 abilità produttive Ø 33 CFU per la tesi (un semestre di lavoro)

15 Percorso di studio Due insegnamenti caratterizzanti obbligatori da 6 CFU q Computabilità (I semestre) ü Esistenza o meno di algoritmi risolutivi di problemi q Algoritmi Avanzati (II semestre) ü Algoritmi su grafi

16 Percorso di studio Un insegnamento affine obbligatorio Economia dell innovazione (6 CFU, II semestre) Tenuto da un docente di Economia in collaborazione con imprenditori, innovatori, professionisti degli incubatori di startup

17 Percorso di studio 7 insegnamenti caratterizzanti ciascuno da 6 CFU new new Amministrazione di sistema Aspetti avanzati dei linguaggi di programmazione Apprendimento automatico Functional languages * Reperimento dell'informazione Computer and network security * Intelligenza artificiale Linguaggi per il global computing Mobile programming e multimedia Sistemi concorrenti e distribuiti Deep learning * Vision and cognitive services * Big data computing * Sistemi real-time Process mining * Metodi formali per sistemi ciberfisici Verifica del software Web information management Start-up in ICT Wireless networks *

18 Percorso di studio Metodi Formali per Sistemi Ciberfisici Un sistema ciberfisico (dall'inglese cyber-physical system) è un sistema informatico che interagisce in modo continuo con l'ambiente fisico in cui opera Un sistema ciberfisico riunisce strettamente "tre C": Computazione, Comunicazione e Controllo Esempi: smart building, smart industries, robotica, veicoli autonomi Il corso mostra come i metodi formali possono essere usati per progettare sistemi ciberfisici sicuri e affidabili Il corso affronta teoria e pratica: studio di formalismi ed algoritmi, assieme a implementazioni di un (semplice) model checker

19 Percorso di studio Deep Learning (in inglese) I più recenti progressi dell'intelligenza artificiale sono stati ottenuti grazie al deep learning Il deep learning si ispira alla struttura e funzionamento del cervello umano e permette di apprendere sulla base di dati (machine learning) Gli ambiti applicativi sono molteplici e includono le funzioni percettive umane, che sono particolarmente difficili da realizzare con un approccio algoritmico tradizionale Esempi di applicazioni sono: Image Recognition, Speech Recognition, Machine Translation, Text Understanding, Game Playing, Creativity, Gli studenti acquisiranno le conoscenze dei fondamenti teorici del deep learning ed esperienza pratica nella costruzione di modelli di deep learning

20 Percorso di studio Advanced Topics in Computer Science Un corso contenitore di argomenti monografici avanzati, trattati da più docenti (tipicamente stranieri)

21 Percorso di studio 1 insegnamento affine da 6 CFU new Mathematical models and numerical methods for big data * Game theory * Bioinformatica * Structural bioinformatics * Crittografia * Data mining * Teoria dei tipi Metodi e modelli per l'ottimizzazione combinatoria *

22 Percorso di studio 12 CFU di insegnamenti a libera scelta (tra le LM di UniPD) - Coerenti con il proprio piano di studio - Possono essere, e tipicamente sono, scelti tra gli insegnamenti caratterizzanti oppure affini

23 Percorso di studio 3 CFU Lingua Inglese B2 abilità produttive 3+3 CFU (referenti: prof. Ballan e Bresolin) Altre conoscenze utili per il lavoro Tirocini formativi e di orientamento - Orientamento al mondo delle start-up, ICT challenges for start-up - Altri insegnamenti di competenze trasversali, ad esempio Soft Skills in Action - Tirocinio aziendale (coerente con il piano di studi) - Attività di servizio ai corsi di studio in Informatica (es. tutorato e minicorsi) - Attività di disseminazione ed educazione al pensiero computazionale (es. iniziativa CINI-MIUR Programma il Futuro e programma CoderDojo)

24 Definizione dei Piani di Studio

25 Percorsi formativi Percorso Formativo Gruppo di 4/5 insegnamenti che si inquadrano e approfondiscono una specifica area informatica La LM contempla 5 percorsi formativi Gestione di Sistemi Aziendali [GA] Intelligenza Artificiale [IA] Sistemi Affidabili [SA] Software [SW] Tecnologie di Internet [TI]

26 Percorsi formativi Insegnamento Esame / Idoneità anno Percorso Formativo Computabilità esame I Algoritmi avanzati esame I Economia dell'innovazione esame I 7 corsi caratterizzanti tra: I Advanced topics in computer science * esame Amministrazione di sistema esame x GA IA SA SW TI Aspetti avanzati dei linguaggi di programmazione esame x Apprendimento automatico esame x Functional languages * esame x Reperimento dell'informazione esame x Computer and network security * esame x x Intelligenza artificiale esame x Linguaggi per il global computing esame x Mobile programming e multimedia esame x Sistemi concorrenti e distribuiti esame x Deep learning * esame x Vision and cognitive services * esame x Big data computing * esame x Sistemi real-time esame x Process mining * esame x Metodi formali per sistemi ciberfisici esame x x Verifica del software esame x x Web information management esame x Start-up in ICT esame x Wireless networks * esame x 1 corso affine tra: I

27 Percorsi formativi Gestione di Sistemi Aziendali [GA] Amministrazione di sistema Mobile programming e multimedia Process Mining Start-up in ICT

28 Percorsi formativi Intelligenza Artificiale [IA] Apprendimento automatico Big data computing Vision and cognitive services Intelligenza artificiale Deep Learning

29 Percorsi formativi Sistemi Affidabili [SA] Computer and network security Sistemi concorrenti e distribuiti Sistemi real-time Verifica del software Metodi formali per sistemi ciberfisici

30 Percorsi formativi Software [SW] Aspetti avanzati dei linguaggi di programmazione Functional languages Linguaggi per il global computing Verifica del software Metodi formali per sistemi ciberfisici

31 Percorsi formativi Tecnologie di Internet [TI] Mobile programming e multimedia Reperimento dell'informazione Web information management Wireless networks

32 Piani di studio Piano di studio ad approvazione automatica Combinazione di 2 percorsi formativi con 6 insegnamenti diversi ed almeno 3 insegnamenti per percorso Per esempio: GA + IA SA + SW GA + TI I rimanenti esami del piano di studio non sono vincolati Piano di studio libero Un piano che individui un diverso percorso formativo può essere discusso con la Commissione Mentoring

33 Tesi di Laurea Un semestre di lavoro a tempo pieno (33 CFU) su tematiche avanzate o problemi di innovazione o ricerca Possibilmente in tirocinio esteso all interno di una organizzazione partner per Collaborare nello sviluppo di progetti innovativi Lavorare al lancio di un nuovo prodotto Puntare alla creazione di una start-up

34 Studenti degli Anni Precedenti

35 Prospettive

36 Prospettive Collettivo selezionato: cambia anno di indagine: 2017 anni dalla laurea: 1, 3, 5 tipo di corso: laurea magistrale biennale Ateneo: Padova Facoltà/Dipartimento/Scuola: tutte gruppo disciplinare: scientifico classe di laurea: informatica (LM-18, 23/S) corso di laurea: informatica (LM-18) condizione occupazionale alla laurea: tutte iscrizione alla magistrale: tutti 1. Popolazione analizzata Collettivo selezionato (per anni dalla laurea) Laureati 2016 a 1 anno Laureati 2014 a 3 anni Laureati 2012 a 5 anni Numero di laureati Numero di intervistati Tasso di risposta 74,3 86,2 65,2 Composizione per genere (%) Uomini 88,6 96,6 100,0 Donne 11,4 3,4 - Età alla laurea (medie) 26,8 26,4 26,7 Voto di laurea in 110-mi (medie) 106,0 104,7 105,6 Durata degli studi (medie, in anni) 3,3 2,9 2,8

37 Prospettive 3. Condizione occupazionale Collettivo selezionato (per anni dalla laurea) Laureati 2016 a 1 anno Laureati 2014 a 3 anni Laureati 2012 a 5 anni Condizione occupazionale (%) Lavora 65,4 92,0 80,0 Non lavora e non cerca 34,6 8,0 6,7 Non lavora ma cerca ,3 Quota che non lavora, non cerca ma è impegnata in un corso universitario/praticantato (%) Quota che lavora, per genere (%) 23,1 4,0 - Uomini 62,5 91,7 80,0 Donne 100,0 100,0 - Esperienze di lavoro post-laurea (%) Non lavora ma ha lavorato dopo la laurea 15,4 4,0 13,3 Non ha mai lavorato dopo la laurea 19,2 4,0 6,7 Tasso di occupazione (def. Istat - Forze di lavoro) 92,3 96,0 100,0 Tasso di disoccupazione (def. Istat - Forze di lavoro) 4,0 - -

38 Prospettive 7. Retribuzione Collettivo selezionato (per anni dalla laurea) Laureati 2016 a 1 anno Laureati 2014 a 3 anni Laureati 2012 a 5 anni Retribuzione mensile netta (medie, in euro) Uomini Donne Totale

39 Prospettive 9. Efficacia della laurea e soddisfazione per l'attuale lavoro Collettivo selezionato (per anni dalla laurea) Laureati 2016 a 1 anno Laureati 2014 a 3 anni Laureati 2012 a 5 anni Efficacia della laurea nel lavoro svolto (%) Molto efficace/efficace 64,7 59,1 83,3 Abbastanza efficace 35,3 36,4 8,3 Poco/Per nulla efficace - 4,5 8,3 Soddisfazione per il lavoro svolto (medie, scala 1-10) 7,8 8,3 8,1 Occupati che cercano lavoro (%) 11,8 8,7 -

40 Confronto con LM Data Science LM Ingegneria Informatica

41 LM Data Science The courses 24 CFU obbligatori: informatizzazione comune First year I semester First year II semester Second year I semester Fundamentals of Information Algorithmic Methods and Systems Machine Learning (12 CFU) (12 CFU) Business, Economic and Financial Data (6 CFU) Stochastic Methods (6 CFU) Large scale optimization methods (6 CFU) Biological data (6 CFU) Statistical learning (part I) (6 CFU) Statistical learning (part II) (6 CFU) Elective course (6 CFU) Cognitive, Behavioral and Social Data (6 CFU) Elective course (6 CFU) Elective course (6 CFU) Elective course (6 CFU) The program is organized in three semesters

42 LM Ingegneria Informatica 45 CFU obbligatori: inclusi nella L in Informatica Tipologia Ambito SSD Codice Insegnamento CFU ORE AFFINE/INTEGRATIVA, CARATTERIZZANTE Attività formative affini o integrative, Ingegneria informatica INF/01 (CFU 2.0), ING- INF/05 (CFU 7.0) INSEGNAMENTI OBBLIGATORI INP AUTOMI, LINGUAGGI E COMPUTAZIONE 9 LEZ: 72 ore AFFINE/INTEGRATIVA Attività formative affini o integrative MAT/09 IN RICERCA OPERATIVA 1 9 LEZ: 72 ore CARATTERIZZANTE Ingegneria informatica ING-INF/05 INP COMPUTER NETWORKS - RETI DI CALCOLATORI 9 CARATTERIZZANTE Ingegneria informatica ING-INF/05 INP DATABASE MANAGEMENT SYSTEMS - SISTEMI DI GESTIONE DI BASI DI DATI LEZ: 62 ore; L: 1 ore 9 LEZ: 72 ore CARATTERIZZANTE Ingegneria informatica ING-INF/05 IN SISTEMI OPERATIVI 9 LEZ: 72 ore

43 Thanks!