Libri UniversitariZoom 100%

Prof. Mauro Mangia: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 3
Bologna 3 insegnamenti
Facoltà: Scienze

Prof. Mauro Mangia: Batteries Engineering (I.C.)

8,8difficoltà
Bologna · Facoltà: Scienze · Materials Science and Batteries (LM-SC.MAT)
Di cosa si tratta: Economia circolare per le batterie: definizione, flussi di materiali, principi di progettazione per circolarità e sostenibilità e ruolo nel Regolamento UE sulle batterie. Si trattano sistemi di accumulo a batteria, con sistemi di gestione integrati, ciclo di vita e gestione a fine vita, e gli aspetti economici e materiali, come materiali per catodi, rischi di approvvigionamento e riciclo.

Dettagli corso

1º annoCorso: LM-SC.MAT
CFU: 9Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 6,5 settimane
Materiale in formato elettronico fornito dal Docente, utilizzato durante le lezioni, messo a disposizione su Virtuale.Unibo.it in formato .pdf, scaricabili con password.
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Colin Tong – Advanced Energy Materials for Flexible BatteriesISBN 9783031839702
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
7,1
Advantage – And Future ApplicationsISBN 9781032631332
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
7,1
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Può servirti
LaTeX (gratuito, per scrivere formule e relazioni)
Gratis dal sito ufficiale

Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Quali componenti costituiscono una cella di batteria e quale funzione svolge ciascuno?
  2. Come si dimensiona un pacco batteria per una determinata tensione e capacità?
  3. Quali criteri guidano la scelta della chimica di una batteria per un'applicazione stazionaria?
  4. Come si gestisce il bilanciamento delle celle in un pacco batteria in serie?
  5. Quali sistemi di gestione della batteria proteggono da sovraccarica e scarica profonda?
  6. In che modo la temperatura influisce sulla durata di vita di un accumulatore?
  7. Come si misura lo stato di carica di una batteria durante l'uso?
  8. Quali prove di caratterizzazione permettono di valutare la capacità residua di una cella?
  9. Che cosa si intende per densità di energia e densità di potenza in un accumulatore?
  10. Come si progetta il sistema di raffreddamento di un pacco batteria ad alta potenza?
  11. Quali fenomeni causano l'invecchiamento di una cella agli ioni di litio?
  12. Come si calcola l'autoscarica di un accumulatore nei periodi di inattività?
  13. Quali norme di sicurezza si applicano al trasporto e allo stoccaggio di batterie?
  14. In che modo un convertitore elettronico collega il pacco batteria alla rete elettrica?
  15. Come si stima il costo per kilowattora di un sistema di accumulo?
  16. Quali differenze esistono tra una batteria primaria e una batteria secondaria?
  17. Come si modella il comportamento elettrico di una cella con un circuito equivalente?
  18. Quali prove di abuso meccanico o termico si eseguono per certificare una batteria?
  19. In che modo la fase di ricarica rapida può accelerare il degrado di una cella?
  20. Quali strategie permettono di prolungare la vita utile di un pacco batteria in un veicolo elettrico?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Facoltà: Ingegneria e architettura

Prof. Mauro Mangia: Big Data Analytics For Automotive Manufacturing Applications

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Automation Engineering (LM-25)
Di cosa si tratta: Python per elaborazione e visualizzazione dei dati, algebra lineare per l'apprendimento automatico, statistica di base e trasformazione dei segnali aprono il quadro. Seguono modelli autoregressivi, clustering, classificazione, reti neurali e autoencoder, riduzione della dimensionalità, algoritmi di streaming per estrazione di feature e PCA, con un richiamo alle architetture dei calcolatori.

Dettagli corso

2º annoCorso: LM-25
CFU: 6Canale: Unico
🕒 Orario lezioni
  • Mar9–11AULA II
  • Ven9–12AULA 5.7

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Dati verificati il 02/10/2026

Libri indicati per la materia

Springer (2nd edition, 2017)ISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Kit di elettronica (breadboard e componenti) e multimetro
Cerca su Amazon
Consigliato
Calcolatrice scientifica non programmabile
Cerca su Amazon
Può servirti
Manuale di Python
Cerca su Amazon

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che cosa si intende per big data nel contesto di una linea di produzione automobilistica?
  2. Quali fonti di dati sono tipicamente disponibili in uno stabilimento automobilistico?
  3. Come si pulisce un insieme di dati con valori mancanti o anomali?
  4. Quale differenza c'è tra analisi descrittiva, predittiva e prescrittiva?
  5. Come si individua una tendenza in una serie temporale di misure di processo?
  6. Perché la qualità dei dati è importante prima di applicare un modello statistico?
  7. Come si usa l'analisi di correlazione per individuare le cause di un difetto?
  8. Quali tecniche di visualizzazione aiutano a comprendere un grande volume di dati di produzione?
  9. Come si definisce un indicatore chiave di prestazione per l'efficienza di linea?
  10. Che cosa si intende per controllo statistico di processo e quali carte si utilizzano?
  11. In che modo la manutenzione predittiva può ridurre i fermi macchina?
  12. Quali vantaggi offre un'analisi dei dati in tempo reale rispetto a quella in differita?
  13. Come si gestiscono la sicurezza e la riservatezza dei dati industriali?
  14. Quale ruolo gioca la scelta dell'architettura di archiviazione per grandi volumi di dati?
  15. Come si confrontano lotti di produzione diversi tramite test statistici?
  16. In che modo i dati dei sensori possono supportare il miglioramento del processo?
  17. Quali limiti presenta un modello statistico se i dati non sono rappresentativi?
  18. Come si comunicano i risultati di un'analisi a chi decide in produzione?
  19. Quali competenze servono per integrare dati provenienti da sistemi informatici diversi?
  20. Come si misura il ritorno economico di un progetto di analisi dei dati?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Mauro Mangia: Statistics And Architectures For Big Data Processing M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria elettronica (LM-29)
Di cosa si tratta: Python packages for data processing and visualization aprono lo studio, con data analytics: linear algebra for machine learning, basic of statistics e signal transformation. Seguono basics of machine learning (autoregressive models, clustering, classification, neural networks, autoencoders), dimensionality reduction e streaming algorithms per feature extraction e PCA, fino alla basic computer architecture.

Dettagli corso

2º annoCorso: LM-29
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Dati verificati il 02/10/2026

Libri indicati per la materia

Springer (2nd edition, 2017)ISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Calcolatrice scientifica non programmabile
Consigliato
Eserciziario di statistica
Cerca su Amazon
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale
Consigliato
Kit di elettronica (breadboard e componenti) e multimetro
Può servirti
Manuale di Python

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Quali caratteristiche distinguono i dati di grandi dimensioni dai dati tradizionali?
  2. Come si calcola la media e la varianza di un campione in un contesto di elaborazione distribuita?
  3. Quale differenza c'è tra campionamento casuale semplice e campionamento stratificato?
  4. Come si stima un intervallo di confidenza per la media di una popolazione molto grande?
  5. Che cosa si intende per modello di architettura a riduzione e mappatura nei sistemi distribuiti?
  6. Come si riduce il tempo di elaborazione di un'analisi statistica su un cluster di calcolatori?
  7. Quali strutture dati si usano per memorizzare grandi quantità di dati in modo efficiente?
  8. In che modo la regressione lineare multipla si applica a dataset con molte variabili?
  9. Come si valuta la qualità di un modello statistico tramite la validazione incrociata?
  10. Quali problemi comporta la presenza di valori mancanti in un insieme di dati di grandi dimensioni?
  11. Come si gestisce il compromesso tra latenza e throughput in un'architettura di elaborazione dati?
  12. Quali sono le principali differenze tra un database relazionale e un database non relazionale?
  13. Come si progetta una pipeline di acquisizione, trasformazione e archiviazione dei dati?
  14. Che cosa si intende per dati in streaming e come si elaborano senza memorizzarli interamente?
  15. Quali metodi di riduzione della dimensionalità si usano per semplificare un insieme di dati?
  16. Come si distribuisce un carico di lavoro su più nodi mantenendo la coerenza dei risultati?
  17. Quali indicatori si usano per monitorare le prestazioni di un sistema di elaborazione dati?
  18. Come si valuta la scalabilità orizzontale di un'architettura rispetto a quella verticale?
  19. In che modo la compressione dei dati influisce sui costi di archiviazione e di trasferimento?
  20. Quali considerazioni etiche e tecniche guidano l'uso statistico di dati personali di grandi dimensioni?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Scorri di lato: 2 insegnamenti →

Domande frequenti Libri, programma ed esami del prof. Mauro Mangia a Bologna

Che libro usa il prof. Mauro Mangia per Batteries Engineering (I.C.) a Bologna?

Per Batteries Engineering (I.C.) (Canale unico) indica come obbligatorio: Colin Tong – Advanced Energy Materials for Flexible Batteries, Advantage – And Future Applications.

Quanto è impegnativo Batteries Engineering (I.C.)?

9 CFU, difficoltà stimata 8.8 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Mauro Mangia per Big Data Analytics For Automotive Manufacturing Applications a Bologna?

Per Big Data Analytics For Automotive Manufacturing Applications (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Springer (2nd edition, 2017).

Quanto è impegnativo Big Data Analytics For Automotive Manufacturing Applications?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Mauro Mangia per Statistics And Architectures For Big Data Processing M a Bologna?

Per Statistics And Architectures For Big Data Processing M (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Springer (2nd edition, 2017).

Quanto è impegnativo Statistics And Architectures For Big Data Processing M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Dove trovo la scheda ufficiale di un esame?

Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.

Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.