Informatica
Corso di laurea in Informatica: appunti di tutti i corsi, dalle materie di base del primo anno (analisi, fisica, statistica) ai corsi caratterizzanti su basi di dati, reti, algoritmica, intelligenza artificiale e data mining.
Informatica
Appunti del corso di laurea in Informatica, organizzati per corso e ordinati secondo l'anno in cui si affrontano.
Ogni corso raccoglie le lezioni nell'ordine in cui sono state seguite, insieme a formulari, riepiloghi ed esercizi d'esame. Usa i tag accanto a ogni corso per orientarti nell'anno di riferimento.
Corsi
- Analisi MatematicaAppunti del corso di Analisi Matematica, con note su serie e successioni, limiti, derivate, studio di funzione, integrali e funzioni a due variabili.
- FisicaAppunti del corso di fisica del primo anno: cinematica, dinamica, lavoro ed energia, moti oscillatori e termodinamica, con un formulario completo.
- Basi di DatiAppunti del corso di basi di dati: fondamenti teorici del modello relazionale, algebra e calcolo relazionale, normalizzazione, tecnologie DBMS, e un progetto pratico di laboratorio con MySQL.
- Statistica e ProbabilitàAppunti del corso di statistica e probabilità: dalla teoria assiomatica di Kolmogorov alle distribuzioni notevoli discrete, con esercizi su combinatoria, variabili aleatorie e disuguaglianze probabilistiche.
- Algoritmica AvanzataAppunti del corso di algoritmica avanzata: tecniche di progettazione e analisi di algoritmi complessi, con focus su strutture dati avanzate, ottimizzazione e complessità computazionale.
- Reti di CalcolatoriAppunti del corso di reti di calcolatori: architettura Internet, protocolli applicativi (HTTP, DNS, SMTP), TCP/UDP, routing (OSPF, BGP, SDN), link layer, reti wireless e sicurezza.
- Intelligenza ArtificialeAppunti del corso di intelligenza artificiale: agenti intelligenti, algoritmi di ricerca, CSP, logica e KRR nel modulo di ricerca e ragionamento; machine learning, reti neurali profonde, RNN, transformer e LLM nel modulo di machine learning e deep learning.
- Data MiningLecture notes covering the core techniques of data mining: data preparation and cleaning, similarity and distance functions, association rule mining, clustering algorithms, and anomaly detection methods.