Ascolta

ARGOMENTI PER LA PROVA FINALE DI LAUREA IN INFORMATICA

Si propone una lista di possibili argomenti per la prova finale di laurea, suddivisi per docente proponente, il quale assumerà il ruolo di relatore (per gli immatricolati prima dell'A.A. 2016-17) o tutor (per gli immatricolati a partire dall'A.A. 2016-17).   

Docente: F. BELLAVIA

1. Visione artificiale
2. Ricostruzione tridimensionale da immagini e video
3. Navigazione autonoma tramite visione computazionale
4. Metodi di correzione colore per immagini e video
5. Image mosaicing e stitching

Docente: G. BELLOMONTE

1. Serie di Fourier
2. Approssimazione mediante polinomi

Docente: D. CAPONETTI

1. Ottimizzazione. Metodo dei minimi quadrati
2. Approssimazione. Metodo di Newton-Kantorovich
3. Spazi metrici e spazi normati

Docente: G. CASTIGLIONE

1. Linguaggi di parole infinite
2. Proprietà di chiusura avanzate ti linguaggi regolari
3. Linguaggi star-free
4. Riconoscibilità di linguaggi bidimensionali
5. Automi 2-way
6. Applicazioni della teoria dei linguaggi formali allo studio dei linguaggi naturali
7. Linguaggi context-sensitive

Docente: C. EPIFANIO

1. Grafi sturmiani
2. Strutture dati (compatte e non) per ricerca e indicizzazione
3. Compressione dati
4. Algoritmi di Ordinamento

Docente: G. FALCONE

1. Codici di Goppa su curve ellittiche
2. Pairing di Weil in crittografia
3. Algoritmo di Lenstra per la fattorizzazione
4. Algoritmi alla base di blockchain

Docente: R. GIANCARLO

1. Algoritmi su stringhe per grosse collezioni di dati
2. Algoritmi su grafi
3. Strutture dati per indicizzazione e ricerca
4. Compressione dati basata su riordinamenti

Docente: B. LENZITTI

1. Open Data
2. Web Data Mining
3. Web Application per la didattica
4. Serious Game

Docente: G. LO BOSCO

1. Machine learning
2. Reti neurali artificiali
3. Classificazione supervisionata e non supervisionata di dati multidimensionali
4. Algoritmi genetici ed evolutivi
5. Visione Artificiale
6. Riconoscimento di pattern
7. Elaborazione di immagini tramite reti neurali artificiali
8. Elaborazione di testi tramite reti neurali artificiali
9. Informatica sanitaria
10. Realtà aumentata

Docente: S. MANTACI

1. Codici univocamente decifrabili
2. Proprietà combinatorie su stringhe
3. Strumenti didattici per l’insegnamento dell’informatica nella scuola

Docente: R.N. MANTEGNA

1. Esempi fisici di caos deterministico.
2. Il concetto di entropia in fisica e in teoria dell'informazione
3. Analisi critica della scoperta della conservazione dell'energia.

Docente: G. METERE

1. Applicazioni della teoria delle categorie all'informatica teorica
2. Teoria delle specie combinatorie (secondo A. Joyal)
3. Argomenti di Crittografia e Teoria dei Numeri

Docente: S. MICCICHE’

1. L’importanza del Teorema di Gauss nella determinazione dei campi elettrici di sorgenti estese.
2. Le equazioni che descrivono il funzionamento dei circuiti RLC e le potenziali applicazioni nell’ambito delle telecomunicazioni.
3. L’importanza dell’equazione di D’Alembert nello studio dei fenomeni ondulatori.
4. Ruolo del fenomeno della riflessione totale nell’ambito delle telecomunicazioni.
5. Fibre ottiche e loro utilizzo.

Docente: M. MIGLIORE

1. Analisi dati provenienti da simulazioni di reti di neuroni
2. Visualizzazione scientifica di simulazioni reti di neuroni
3. Simulazione dei processi di invecchiamento
4. Simulazione dei meccanismi alla base delle malattie cerebrali

Docente: G. PILATO

1. Tecniche di analisi subsimbolica e reti neurali per l’elaborazione del  linguaggio naturale
2. Riconoscimento automatico di ironia / sarcasmo
3. Computational Humor
4. Social sensing e individuazione di eventi da social networks
5. Computational Creativity

Docente: F. REALE

1. Analisi numerica applicata all’Astrofisica
2. High performance computing applicato all’Astrofisica

Docente: R. RIZZO

1. Reti Neurali artificiali e Deep Learning
2. Elaborazioni dì di Dati biologici
3. Bioinformatica

Docente: D. ROCCHESSO

1. Interazione multisensoriale continua
2. Primitive di rappresentazione del suono
3. Buffer circolari e ad indirizzamento frazionario
4. Oggetti sonanti per la definizione di traiettorie acustiche

Docente: S. ROMBO
1. Strumenti e Tecnologie di Big Data Analytics (Apache Hadoop, Spark, MongoDB, ElasticSearch, ecc.)
2. Framework di programmazione nel distribuito (MapReduce, RDD, ecc.)
3. Data Warehousing e Business Intelligence
4. Approcci e metodologie informatiche per la sostenibilità - in collaborazione con il Centro di Sostenibilità e Transizione Ecologica di ateneo
5. Supporto alle Decisioni in ambito medicale - anche in collaborazione con aziende
6. Analisi di Social Network
7. Sicurezza del Software e Cybersecurity (Blockchain, Smart Contracts, ecc.) - anche in collaborazione con altre università
8. Machine Learning applicato a grandi quantità di dati (biologici, finanziari,  ecc.)
9. Smart cities e smart environments
10. Sistemi di raccomandazione

Docente: G. SANFILIPPO

1. Condizioni di coerenza e algoritmi
2. Operazioni logiche su eventi condizionati
3. Proper scoring rules
4. Condizioni di incoerenza nelle scommesse sportive
5. Entropia ed Extropia su una famiglia arbitraria di eventi
6. Divergenza di Bregman e proper scoring rules
7. Probabilità e logica fuzzy
8. Implementazione di un'applicazione web interattiva con il pacchetto Shiny di R
9. Regole probabilistiche di inferenza nel ragionamento non monotono
10. Presentazione di un argomento fondamentale o di alcuni paradossi del calcolo delle probabilità

Docente: M. SCIORTINO

1. Costruzione di grafi compatti per l'indicizzazione dei testi
2. Strumenti combinatori per la classificazione di testi
3. Ricostruzione di un testo a partire da un insieme di fattori o da un insieme di parole assenti
4. Algoritmi e strutture dati in memoria esterna per il trattamento di dati massivi
5. Algoritmi efficienti per l'ordinamento dei suffissi di un testo
6. Compressione di testi: metodologie efficienti a confronto
7. Algoritmi efficienti per la fattorizzazione di testi
8. Alberi di Lyndon e proprietà combinatorie di un testo
9. Misure per il confronto tra testi

Docente: D. TAIBI

1. Approcci e infrastrutture per i Linked Open Data
2. Tecnologie per il Web Semantico e i microdata
3. Open Data e Blockchain
4. Open Government Data
5. Metodi di Data Science e analisi dei dati

Docente: E. TOSCANO

1. Google e l’algoritmo di PageRank
2. Crittografia e crittoanalisi
3. La teoria dei grafi e la matematica per i social network
4. Tassellazioni: algoritmi e applicazioni.

Docente: L. UGAGLIA

1. Solidi platonici e topologia
2. Politopi e terzo problema di Hilbert
3. Geometria proiettiva e computer graphics

Docente: C. VALENTI

Analisi dati, algoritmi paralleli ed evolutivi (anche in ambiente Android) per
1. Tomografia
2. Informatica forense
3. Diagnostica
4. Interpretazione
5. Compressione