COMPUTATIONAL MODELS FOR COMPLEX SYSTEMS
Anno accademico2018/19
CdSINFORMATICA
Codice647AA
CFU6
PeriodoSecondo semestre
LinguaInglese
| Moduli | Settore/i | Tipo | Ore | Docente/i |
| COMPUTATIONAL MODELS FOR COMPLEX SYSTEMS | INF/01 | LEZIONI | 48 | |
Obiettivi di apprendimento
Conoscenze
Gli studenti acquisiranno conoscenze sulle principali metodologie di modellazione computazionale, le principali tecniche di analisi basate su modelli e i principali principi di modellazione per sistemi complessi costituiti da componenti interattivi.
Knowledge
Studends will acquire some knowledge about the main computational modelling methodologies, the main model-based analysis techniques, and the main modelling principles for complex systems made of interactive components.
Modalità di verifica delle conoscenze
Nel contesto dell'esame gli studenti dovranno dimostrare familiarità con le metodologie di modellazione e analisi presentate nel corso.
Assessment criteria of knowledge
In the context of the exam students will have to demostrate familiarity with the modelling and analysis methodologies presented in the course.
Capacità
Gli studenti impareranno come applicare tecniche di modellazione e analisi computazionale per studiare le proprietà dinamiche di sistemi complessi da qualsiasi dominio applicativo.
Skills
Students will learn how to apply computational modelling and analysis techniques to study dynamical properties of complex systems from any application domain.
Modalità di verifica delle capacità
Nel contesto dell'esame, gli studenti dovranno dimostrare di essere in grado di ragionare su un caso di studio in cui viene utilizzata la modellazione computazionale per indagare le proprietà di un sistema complesso.
Assessment criteria of skills
In the context of the exam, students will have to demostrate to be able to reason about a case study in which computational modelling is used to investigate properties of a complex system.
Comportamenti
Gli studenti acquisiranno e / o svilupperanno una consapevolezza sugli obiettivi e l'applicabilità delle metodologie di modellazione computazionale.
Behaviors
Students will acquire and/or develop an awareness on the aims and the applicability of computational modelling methodologies.
Modalità di verifica dei comportamenti
Nel contesto dell'esame, gli studenti dovranno dimostrare la consapevolezza sugli obiettivi e l'applicabilità delle metodologie di modellazione computazionale.
Assessment criteria of behaviors
In the context of the exam, students will have to demostrate awareness on the aims and the applicability of computational modelling methodologies.
Prerequisiti (conoscenze iniziali)
Nozioni di base di matematica e informatica, ad es. teoria degli insiemi, teoria della probabilità, algoritmi e abilità di programmazione.
Prerequisites
Basic mathematical and computer science notions, e.g. set theory, probability theory, algorithms and programming skills.
Prerequisiti per studi successivi
Nessuno
Prerequisites for further study
None
Indicazioni metodologiche
Lezioni frontali con slides.
Teaching methods
Lectures with slides.
Programma (contenuti dell'insegnamento)
Bozza di syllabus:
- Sistemi complessi: concetti di base e relazioni tra interazione di componenti e dinamiche di popolazione
- Metodologie di modellazione: modellazione basata su agenti, linguaggi basati su automi e notazioni basate su regole
- Rappresentazione del comportamento del sistema: sistemi di transizione, modelli probabilistici (ad esempio catene di Markov) e modelli deterministici continui (ad esempio equazioni differenziali)
- Tecniche di analisi: simulazione di eventi discreti, controllo del modello e controllo del modello statistico
- Applicazioni: studi di casi selezionati di scienze sociali, scienze della vita (biologia e biomedicina) e altri
Syllabus
Draft syllabus:
- Complex systems: basic concepts and the relationships between component interaction and population dynamics
- Modelling methodologies: agent-based modelling, automata-based languages and rule-based notations
- Representation of system behaviour: transition systems, probabilistic models (e.g. Markov chains) and continuos determinstic models (e.g. differential equations)
- Analysis techniques: discrete event simulation, model checking and statistical model checking
- Applications: selected case studies from social sciences, life sciences (biology and biomedicine) and others
Bibliografia e materiale didattico
Da definire
Indicazioni per non frequentanti
Tutto il materiale didattico sarà messo a disposizione tramite la pagina web del corso.
Non-attending students info
All the teaching material will be made available on the web page of the course.
Modalità d'esame
L'esame consiste in una presentazione, in un piccolo progetto o in una prova orale standard. Da concordare con l'insegnante.
Assessment methods
The exam consists in either a presentation, or a small project, or a standard oral test. To be agreed with the teacher.
Ultimo aggiornamento 02/10/2018 16:20
