Prof. Antonio Frangioni

Università di Pisa · Dipartimento di Informatica · libri consigliati e cosa studiare, a.a. 2026/2027

Libri adottati dal prof. Antonio Frangioni

Boyd – Ottimizzazione convessa – Optimization For Data Science (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Bazaraa – Programmazione non lineare – Optimization For Data Science (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Luenberger – Programmazione lineare e non lineare – Optimization For Data Science (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Nocedal – Ottimizzazione numerica – Optimization For Data Science (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Jon Lee A First Course in Linear Optimization – Optimization For Data Science (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Models – Versione e-book gratuita – Optimization For Data Science (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Jon Lee A First Course in Linear Optimization – Model-Driven Decision-Making Methods (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Models – Free e-book version – Model-Driven Decision-Making Methods (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Simchi-Levi – Theory, algorithms – Model-Driven Decision-Making Methods (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Ghiani – Musmanno Modelli e Metodi per l'Organizzazione dei… – Model-Driven Decision-Making Methods (Data Science and Business Informatics – sede di Pisa, 1º anno · 1º semestre · 6 CFU)
Demmel – Algebra Lineare Numerica Applicata – Computational Mathematics For Learning And Data Analysis (Informatica – sede di Pisa, esame facoltativo · 9 CFU)
Trefethen – Algebra Lineare Numerica – Computational Mathematics For Learning And Data Analysis (Informatica – sede di Pisa, esame facoltativo · 9 CFU)
Nocedal – Ottimizzazione Numerica – Computational Mathematics For Learning And Data Analysis (Informatica – sede di Pisa, esame facoltativo · 9 CFU)
Boyd – Ottimizzazione Convessa – Computational Mathematics For Learning And Data Analysis (Informatica – sede di Pisa, esame facoltativo · 9 CFU)
Bazaraa – Programmazione Non Lineare – Computational Mathematics For Learning And Data Analysis (Informatica – sede di Pisa, esame facoltativo · 9 CFU)

Materie del prof. Antonio Frangioni

Optimization For Data Science Canale unico

Corso di laurea: Data Science and Business Informatics – sede di Pisa · Laurea magistrale (LM Data) · 1º anno · 1º semestre · 6 CFU

Pisa · Dipartimento di Informatica · 6 CFU · apri nel catalogo · Data Science and Business Informatics – sede di Pisa · 1º anno · 1º semestre ›

Il docente indica 6 testi · da studiare tutti

Boyd – Ottimizzazione convessa Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Bazaraa – Programmazione non lineare Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Luenberger – Programmazione lineare e non lineare Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Nocedal – Ottimizzazione numerica Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Jon Lee A First Course in Linear Optimization Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Models – Versione e-book gratuita Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Bacheca del docente: cosa indica di studiare

Slide e software distribuiti dal docente.
Sono disponibili dispense complete per lil corso.
Materiale didattico di base di Ricerca Operativa (in italiano)

Argomenti del programma: Nozioni di base di algebra lineare e calcolo infinitesimale (in base alle necessità) Ottimizzazione "semplice" non vincolata, univariata e multivariata Ottimizzazione continua non vincolata univariata Ottimizzazione continua non vincolata multivariata (utilizzando diversa informazione al primo ordine) Teoria dell'ottimizzazione continua vincolata Convessità e dualità (Lagrangiana, lineare, quadratica, conica, ecc.)…

Apri la scheda ufficiale ›

Aiutaci a tenerci aggiornati

Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Model-Driven Decision-Making Methods Canale unico

Corso di laurea: Data Science and Business Informatics – sede di Pisa · Laurea magistrale (LM Data) · 1º anno · 1º semestre · 6 CFU

Pisa · Dipartimento di Informatica · 6 CFU · apri nel catalogo · Data Science and Business Informatics – sede di Pisa · 1º anno · 1º semestre ›

Il docente indica 4 testi · da studiare tutti

Jon Lee A First Course in Linear Optimization Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Models – Free e-book version Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Simchi-Levi – Theory, algorithms Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Ghiani – Musmanno Modelli e Metodi per l'Organizzazione dei…Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Bacheca del docente: cosa indica di studiare

Appunti del corso di Ricerca Operativa (basic Operations Research course material)

Argomenti del programma: 1, Introduzione (6 ore) - Teoria delle decisioni, processi decisionali in ambito aziendale. - Struttura dei sistemi di supporto alle decisioni basati sui modelli. 2, Richiami di ottimizzazione matematica (10 ore) - Problemi di Programmazione Lineare (PL). - Problemi di Programmazione Lineare Intera (PLI). - Algoritmi risolutivi per la PL. - Algoritmi risolutivi per la PLI. 3.

Apri la scheda ufficiale ›

Aiutaci a tenerci aggiornati

Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Computational Mathematics For Learning And Data Analysis Canale unico

Corso di laurea: Informatica – sede di Pisa · Laurea magistrale (LM-18) · esame facoltativo · 9 CFU

Pisa · Dipartimento di Informatica · 9 CFU · apri nel catalogo · Informatica – sede di Pisa · 1º anno · 1º semestre ›

Il docente indica 5 testi · da studiare tutti

Letture consigliate

Demmel – Algebra Lineare Numerica Applicata Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Trefethen – Algebra Lineare Numerica Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Nocedal – Ottimizzazione Numerica Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Boyd – Ottimizzazione Convessa Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Bazaraa – Programmazione Non Lineare Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 02/10/2026

Bacheca del docente: cosa indica di studiare

Slide e software prodotti dai docenti sono messi a disposizione degli studenti.
Sono disponibili dispense complete per la parte di ottimizzzazione del corso.

Argomenti del programma: - Nozioni di algebra lineare e calcolo differenziale - Ottimizzazione non vincolata e sistemi di equazioni - Metodi diretti (LU, Cholesky, QR) e iterativi (Arnoldi, GMRES, CG) per sistemi lineari - Metodi iterativi per sistemi non lineari - Metodi numerici per l'ottimizzazione non vincolata - Il problema dei minimi quadrati: algoritmi di soluzione e caratteristiche teoriche (incluse le relazioni con la…

Apri la scheda ufficiale ›

Aiutaci a tenerci aggiornati

Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Domande frequenti

Quali libri consiglia il prof. Antonio Frangioni per Optimization For Data Science?

Boyd – Ottimizzazione convessa; Bazaraa – Programmazione non lineare; Luenberger – Programmazione lineare e non lineare; Nocedal – Ottimizzazione numerica; Jon Lee A First Course in Linear Optimization; Models – Versione e-book gratuita

Quali libri consiglia il prof. Antonio Frangioni per Model-Driven Decision-Making Methods?

Jon Lee A First Course in Linear Optimization; Models – Free e-book version; Simchi-Levi – Theory, algorithms; Ghiani – Musmanno Modelli e Metodi per l'Organizzazione dei…

Quali libri consiglia il prof. Antonio Frangioni per Computational Mathematics For Learning And Data Analysis?

Demmel – Algebra Lineare Numerica Applicata; Trefethen – Algebra Lineare Numerica; Nocedal – Ottimizzazione Numerica; Boyd – Ottimizzazione Convessa; Bazaraa – Programmazione Non Lineare