CODICE 72306 ANNO ACCADEMICO 2021/2022 CFU 10 cfu anno 1 INGEGNERIA ELETTRONICA 8732 (LM-29) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE ING-INF/01 LINGUA Italiano (Inglese a richiesta) SEDE GENOVA PERIODO Annuale MATERIALE DIDATTICO AULAWEB PRESENTAZIONE Il corso intende fornire un’ampia panoramica sui vari tipi di cyberphysical sytems: sistemi sincroni, asincroni, dinamici a tempo continuo, temporizzati, ibridi. La trattazione dei sistemi riguarda argomenti di modellazione, simulazione e verifica (model checking). Ogni argomento è affrontato anche attraverso l’utilizzo di appropriati strumenti di sviluppo, quali nuXmv, Spin, Uppaal, Matlab-Simulink. La parte finale del corso introduce al linguaggio python, con particolare attenzione all'applicazione al machine learning e alla data science OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI Il corso intende fornire un’introduzione all’analisi e alla progettazione di sistemi cyberphysical system. Questo comprende i processi sincroni e asincroni, i requisiti di safety e liveness, e i sistemi dinamici e temporizzati. Il corso intende fornire anxhe un'introduzione al linguaggio python, con particolare attenzione all'applicazione al machine learning e alla data science OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO Frequentando il corso, lo studente dovrebbe arrivare a possedere un’ampia conoscenza sui vari tipi di cyberphysical sytems, quali: sistemi sincroni, asincroni, dinamici a tempo continuo, temporizzati, ibridi. Per ogni tipo di sistema, si trattano argomenti di modellazione, simulazione e verifica (model checking). Lo studente sarà messo in grado di conoscere le basi teoriche, poi di studiare alcuni esempi applicativi. Esericizi sono proposti, e solitamente risolti in classe, per ciascuno degli argomenti, al fine di verificare l’acquisizione delle conoscenze. Lo studente imparerà anche ad utilizzare uno strumento di sviluppo per ciascuna tipologia di cyberphysical system trattato (nuXmv, Spin, Uppaal, Matlab-Simulink/Stateflow). La parte finale del corso è dedicata alle applicazioni, specialmente nell'ambito dell'Internet of Things. Si introdurrà il linguaggio python, specialmente per la data science ed il machine learning. Il progetto previsto alla fine del corso è finalizzato stimolare e verificare le capacità progettuali ed implementative dello studente, oltre alla verifica operativa sul campo di parte delle conoscenze acquisite. I risultati di apprendimento riguardano la realizzazione degli obiettivi formativi di cui sopra, anche attraverso l’implementazione di un progetto. PREREQUISITI Elettronica dei sistemi digitali Fondamenti di programmazione Fondamenti di architettura dei calcolatori MODALITA' DIDATTICHE Lezioni frontali, con utilizzo di slide, ed esercizi svolti sia alla lavagna sia al PC (o in tele-didattica, se reso necessario), utilizzando gli strumenti di sviluppo/simulazione indicati a lezione. Ricevimento studenti. Proposta, realizzazione e discussione di progetti. PROGRAMMA/CONTENUTO Modellazione, simulazione e verifica di cyberphysical systems Introduzione Modelli sincroni Requisiti di safety Modelli asincroni Requisiti di liveness Sistemi dinamici Sistemi temporizzati Sistemi ibridi Introduzione al linguaggio python Tipi di dati Funzioni OOP File system Libreria numpy Libreria pandas Libreria pyplot TESTI/BIBLIOGRAFIA R. Alur, Principles of Cyberphysical Systems: https://mitpress.mit.edu/books/principles-cyber-physical-systems J. VanderPlas, Python Data Science Handbook, O'Reilly https://www.oreilly.com/library/view/python-data-science/9781491912126/ DOCENTI E COMMISSIONI FRANCESCO BELLOTTI Ricevimento: Su appuntamento: mail (francesco.bellotti@unige.it) o Teams o dopo lezione Commissione d'esame FRANCESCO BELLOTTI (Presidente) ALESSANDRO DE GLORIA LEZIONI INIZIO LEZIONI https://easyacademy.unige.it Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME Esame orale sulla prima parte (cyber-physical systems), comprendente sia domande teoriche sia esercizi, sugli argomenti trattati a lezione. Lavoro di progetto (sulla modellazione/simulazione di un cyberphysical system o su un'applicazione IoT/machine learning/data science) MODALITA' DI ACCERTAMENTO L’accertamento avverrà tramite domande/esercizi nell’esame orale. Per quanto riguarda il progetto, la valutazione avverrà nei colloqui preparatori e durante la progettazione/implementazione e nella discussione finale di un elaborato descrittivo del lavoro svolto. Calendario appelli Data appello Orario Luogo Tipologia Note 18/02/2022 09:00 GENOVA Esame su appuntamento 16/09/2022 09:00 GENOVA Esame su appuntamento ALTRE INFORMAZIONI Il corso consiste di100 ore di lezione, suddivise sui due semestri