006096 - FONDAMENTI DI INFORMATICA

insegnamento

ID:

006096

Tipo Insegnamento:

Obbligatorio

Durata (ore):

60

CFU:

SSD:

SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

Url:

Dettaglio Insegnamento:

INGEGNERIA CIVILE E AMBIENTALE/Percorso Comune Anno: 2

Anno:

2025

Periodo di attività

Secondo Semestre (02/03/2026 - 05/06/2026)

Obiettivi Formativi

Il corso di Fondamenti di Informatica (6 CFU) ha l’obiettivo di fornire allo studente competenze operative nell’utilizzo di strumenti informatici per l’analisi e la gestione di dati, con particolare riferimento a contesti applicativi dell’ingegneria civile e ambientale. L’enfasi è posta sull’impiego pratico di ambienti software per l’importazione, la rappresentazione e la gestione di dataset, al fine di supportare attività di interpretazione e utilizzo dei medesimi. Il percorso formativo si articola attraverso l’utilizzo integrato di due ambienti software largamente impiegati nella pratica professionale: Excel e MATLAB. Per ciascuno strumento, lo studente acquisirà padronanza delle principali funzionalità, dall’importazione e gestione dei dati fino alla loro elaborazione e rappresentazione, con il supporto di strumenti grafici, calcoli numerici e semplici procedure di programmazione. Il corso include inoltre cenni a strumenti avanzati di crescente rilevanza nel settore, come i metodi data-driven e di machine learning, la cartografia digitale (GIS) e le tecniche di comunicazione dei dati. Questi elementi forniscono allo studente una visione introduttiva ma concreta degli strumenti digitali che incontrerà nei successivi insegnamenti e nella futura attività professionale.

Prerequisiti

Non sono richiesti prerequisiti specifici, se non una conoscenza di base dei concetti matematici trattati nel corso di Analisi Matematica I, con particolare attenzione allo studio delle funzioni, ai metodi per la ricerca degli zeri di una funzione, e al calcolo di derivate e integrali. Gli aspetti statistici rilevanti per il corso, così come i fondamenti dell’analisi dei dati e della programmazione, verranno introdotti in modo graduale durante le lezioni, supportati da esercitazioni pratiche e applicazioni in ambiente Excel e MATLAB.

Metodi didattici

Le lezioni si terranno alternando momenti in aula e attività nel laboratorio di informatica, secondo la programmazione comunicata all’inizio del corso. Il docente utilizzerà slide proiettate come supporto alla spiegazione teorica e impiegherà direttamente i software Excel e MATLAB per illustrare esempi pratici. Gli studenti potranno seguire le esercitazioni sia utilizzando le postazioni del laboratorio sia, qualora preferiscano, dispositivi personali, compatibilmente con le modalità di accesso alle licenze software.

Verifica Apprendimento

La valutazione del livello di raggiungimento degli obiettivi formativi avviene tramite una prova in modalità ibrida (scritta e al computer), articolata in tre quesiti distinti: ● Un quesito riguardante aspetti di natura teorica affrontati durante il corso; ● Un esercizio da svolgere in ambiente Excel, finalizzato a verificare la capacità di importare, visualizzare ed elaborare i dati; ● Un esercizio da svolgere in ambiente MATLAB, volto a valutare l’utilizzo dei principali comandi e strumenti di programmazione a supporto dell’analisi e della gestione dei dati. Ciascun quesito consente di ottenere un punteggio massimo di 11 punti, per un totale complessivo di 33 punti. L’esame si ritiene superato con valutazione pari alla somma dei punteggi ottenuti nei tre quesiti, qualora tale somma risulti superiore o uguale a 18 punti. Durante la prova scritta sarà possibile utilizzare esclusivamente gli strumenti di help integrati di MATLAB ed Excel; non è consentita la consultazione di appunti, testi, risorse online o altri materiali esterni.

Testi

● Bernardi, D., Malaguti, S., Taddia, Y., Visentin, C. and Corli, A. (2019). Analisi Matematica I – Esercitazioni con MATLAB. Università degli Studi di Ferrara. ● Chapman, S. A. (2013). MATLAB programming with applications for engineers. Cengage Learning. ● Gardener, M. J. (2015). Managing data using Excel. Wiley. ● Mueller, J. P. and Massaron, L. (2016). Machine Learning For Dummies (2nd ed.). Wiley. ● Ross, S. M. (2019). Probability and statistics for engineering and the sciences (9th ed.). Academic Press. [Versione in lingua italiana: Ross, S. M. (2008). Probabilità e statistica per l'ingegneria e le scienze (F. Morandin, Trad.). Apogeo.] ● Tebeaux, E. and Dragga, S. (2010). Engineering Communication: From Principles to Practice. Oxford University Press. In integrazione ai testi sopra indicati, il materiale didattico del corso comprende anche le slide preparate dal docente, le quali sono accessibili agli studenti attraverso la piattaforma Google Classroom.

Contenuti

Il corso prevede 60 ore di insegnamento, con un forte approccio pratico all’analisi e alla gestione dei dati tramite strumenti informatici. In particolare, le lezioni approfondiranno l’uso di Excel e MATLAB per l’importazione, l’elaborazione e la visualizzazione di dati, oltre a introdurre concetti di statistica, modellistica e presentazione efficace. In dettaglio, il programma comprende i seguenti argomenti: ● Illustrazione dei contenuti del corso e presentazione dei principali strumenti software utilizzati. (2.5 h) ● Brevi richiami di statistica: tipi di dati, tabelle di frequenza, indicatori di tendenza e dispersione, outlier, intervallo di confidenza della media e margine di errore rappresentazioni grafiche (istogrammi, aerogrammi, box-whisker plot). (5 h) ● Introduzione a Excel: celle, fogli, riferimenti relativi e assoluti, inserimento e modifica di dataset, principali funzioni statistiche, filtri e ordinamento su insiemi di dati, costruzione di grafici con personalizzazione avanzata, tabelle pivot. (5 h) ● Serie temporali e analisi in Excel: introduzione alle serie temporali, importazione di dati da file CSV e TXT, controlli di qualità sui dati (coerenza temporale, dati mancanti, valori ripetuti, outlier), visualizzazione grafica, analisi di consistenza, tecniche di pulizia (gestione dei valori mancanti, outlier e picchi anomali), smoothing e calcolo di medie mobili, identificazione di trend e stagionalità, esempi pratici con serie di dati reali. (5 h) ● Relazione tra serie di dati, modelli di simulazione e metodi di previsione in Excel: cenni ai principali metodi di regressione e al metodo dei minimi quadrati, interpretazione grafica della retta-curva di regressione, introduzione ai concetti di modello, differenza fra dati simulati e osservati e importanza della calibrazione, metriche di stima dell’accuratezza di un modello, strategie semplici di previsione (Naïve, media mobile, regressione lineare), esempi pratici. (5 h) ● Introduzione a MATLAB: ambienti, panoramica dell’interfaccia del software, esecuzione di comandi base a Command Window, inizializzazione di variabili numeriche, stringhe, celle, variabili logiche e strutture, creazione e concatenazione di vettori e matrici, operazioni su vettori e matrici, introduzione agli script, importazione di dati esterni CSV e TXT, gestione di stringhe, creazione di grafici e modifica delle proprietà, applicazione di tecniche di interpolazione, esempi pratici. (5 h) ● Cicli for, istruzioni condizionali e cicli while in MATLAB: contestualizzazione, struttura e sintassi, equivalenza con operazioni vettoriali, applicazione alle serie temporali e alle operazioni di analisi e pulizia dei dati, esempi pratici. (5 h) ● Analisi dati in MATLAB: ricerca di valori, studio dei minimi e dei massimi, statistiche descrittive, visualizzazione statistica con box-whisker plot e istogrammi, introduzione ai grafici tridimensionali. (2.5 h) ● Function MATLAB: introduzione al concetto di function, struttura generale di una function, sintassi, corpo e convenzioni di salvataggio, function a una o più variabili, function con uno o più output, esempi di function MATLAB integrate e di function definite dall’utente. (2.5 h) ● Calcolo simbolico, derivate e integrali in MATLAB: variabili ed espressioni simboliche, definizione di derivata e approcci al calcolo, derivata simbolica e numerica, derivate di ordine superiore, definizione di integrazione, metodo di Newton-Cotes, visualizzazione dell’integrale, integrazione simbolica, esempi pratici. (5 h) ● Le variabili table e le strutture in MATLAB: introduzione alle table, creazione di table da file esterni (CSV, Excel), accesso e modifica dei dati in table, creazione di strutture, accesso ai campi, nidificazione, esempi pratici. (2.5 h) ● Cenni a modelli data-driven e metodi di Machine Learning: introduzione ai modelli data-driven e confronto con modelli fisicamente basati, classificazione dei metodi data-driven, metodi supervisionati e non, addestramento, validazione e test, valutazione delle prestazioni, cenni a reti neurali e metodi di clustering, esempi pratici. (2.5 h) ● Cenni di cartografia digitale: dati raster e dati vettoriali (shapefile), importazione e visualizzazione tramite strumenti GIS, tematizzazione, modifica di elementi e attributi, esportazione. (2.5 h) ● Presentazione efficace dei dati: cenni ai principi di comunicazione tecnica nel contesto ingegneristico, scelta e progettazione di grafici, struttura logica di una presentazione e di una relazione tecnica efficaci, strategie di supporto per l’esposizione. (2.5 h) ● Esercitazioni guidate in Excel e MATLAB in preparazione all’esame. (7.5 h)