Salta al contenuto principale
CODICE 72306
ANNO ACCADEMICO 2021/2022
CFU
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

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