Libri UniversitariZoom 100%

Prof. Stefano Lodi: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 4
Bologna 4 insegnamenti
Facoltà: Scienze Statistiche

Prof. Stefano Lodi: Informatica

1,5difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistica, finanza e assicurazioni - sede di Rimini (L-41)
Di cosa si tratta: Struttura dell'elaboratore, hardware e software, sistemi di numerazione posizionali e binario, codifica dei caratteri. Si introducono il concetto di algoritmo con costanti, variabili e istruzioni, i linguaggi di programmazione dal linguaggio macchina ai linguaggi ad alto livello, compilazione e interpretazione, e in alcuni percorsi pensiero computazionale, macchina di Turing, complessità computazionale e introduzione a Python.

Dettagli corso

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

Scorri di lato: 3 libri
Muggeo – Il linguaggio RISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Cercare nel Catalogo del Polo Bolognese SEBINA YOU [https://www.unibo.
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,4
Fischetti, T. (2015). Data Analysis with R. UnitedISBN 9781788393720
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Cercare nel Catalogo del Polo Bolognese SEBINA YOU [https://www.unibo.
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
6,8
Introduzione a SQLISBN 9788871921075
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
6,8
Domande possibili all’esame
  1. Quali differenze esistono tra un linguaggio di programmazione compilato e uno interpretato?
  2. Come si rappresenta un numero intero in un sistema binario con complemento a due?
  3. Che cosa distingue un algoritmo da un programma?
  4. Come si valuta la complessità temporale di un algoritmo di ordinamento?
  5. Quali strutture dati si usano per rappresentare una lista collegata?
  6. In che modo una funzione ricorsiva si differenzia da una iterativa?
  7. Come si progetta un database relazionale a partire dai requisiti?
  8. Quali sono i vantaggi di un sistema operativo multitasking rispetto a uno monotasking?
  9. Come si gestisce la memoria dinamica in un linguaggio come il C?
  10. Perché la validazione dei dati in ingresso è importante per la sicurezza di un programma?
  11. Come si scrive una query SQL che unisce due tabelle?
  12. Quali differenze esistono tra un protocollo con connessione e uno senza connessione?
  13. Come si verifica la correttezza di un programma con casi di prova?
  14. Che cosa significa modularità nella progettazione del software?
  15. Come si rappresenta un grafo tramite una matrice di adiacenza?
  16. Quali criteri guidano la scelta di una struttura dati per una ricerca rapida?
  17. In che modo la compressione dei dati riduce lo spazio di memorizzazione?
  18. Come si individua un errore logico in un programma con il debugger?
  19. Perché il controllo di versione è utile nello sviluppo di software collaborativo?
  20. Come si confrontano gli algoritmi di ricerca binaria e ricerca lineare?

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

Prof. Stefano Lodi: Machine Learning Systems For Data Science

9,9difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistical Sciences (LM-82)
Di cosa si tratta: Python come linguaggio per la scienza dei dati comprende tipi di dati, operatori, istruzioni composte, funzioni e classi, calcolo numerico con NumPy, manipolazione e analisi esplorativa con Pandas e visualizzazione con Matplotlib. Il machine learning copre apprendimento supervisionato, Support Vector Model, reti neurali deep, reti convoluzionali e ricorrenti, LSTM e modelli generativi.

Dettagli corso

2º annoCorso: LM-82
CFU: 10Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 6 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Zhang – Dive into Deep Learning, arXivISBN 9781009389433
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
548 pagine
Difficoltà
9,9
Parker – An Introduction to ProgrammingISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,9
StrumentiPer questo esame ti serve anche

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

Consigliato
Manuale di Python
Cerca su Amazon

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

Domande possibili all’esame
  1. Quali differenze esistono tra apprendimento supervisionato e non supervisionato nelle applicazioni reali?
  2. Come si costruisce una pipeline di dati che alimenta un modello predittivo in modo affidabile?
  3. Quali metriche permettono di valutare la qualità di un classificatore su un insieme di test?
  4. In che modo precisione e richiamo si bilanciano nella scelta di una soglia di decisione?
  5. Quali tecniche di ingegnerizzazione delle variabili migliorano la capacità predittiva di un modello?
  6. Come si affronta il problema del sovradattamento in un modello di apprendimento automatico?
  7. Quali vantaggi offrono le foreste casuali rispetto a un singolo albero decisionale?
  8. Come funziona il gradient boosting e quali iperparametri ne regolano il comportamento?
  9. Perché è importante separare dati di addestramento, di validazione e di test?
  10. Come si scala l'elaborazione di grandi volumi di dati con sistemi distribuiti?
  11. Quali sono i principali rischi del deployment di un modello predittivo in produzione?
  12. Come si monitora la deriva dei dati dopo che un modello è stato messo in esercizio?
  13. Quali differenze esistono tra batch processing e streaming nella preparazione dei dati?
  14. In che modo il k-means raggruppa le osservazioni e quali limiti presenta?
  15. Come si sceglie il valore dell'iperparametro k in un algoritmo di clustering?
  16. Quali considerazioni di equità vanno valutate prima di usare un modello predittivo?
  17. Come si documenta un modello affinché le sue prestazioni siano riproducibili?
  18. Che cosa significa regolarizzazione e in quali casi riduce la varianza di un modello?
  19. Come si implementa una semplice rete neurale per un problema di classificazione?
  20. Quali strumenti di versionamento aiutano a tracciare dati e modelli nel tempo?

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

Prof. Stefano Lodi: Systems And Algorithms For Data Science

9,9difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistical Sciences (LM-82)
Di cosa si tratta: Python per la scienza dei dati è introdotto con tipi di dati, operatori, funzioni e classi, calcolo numerico con NumPy, manipolazione e analisi esplorativa dei dati con Pandas e visualizzazione con Matplotlib. Una seconda parte tratta apprendimento supervisionato, Support Vector Model, reti deep, reti convoluzionali e ricorrenti e LSTM.

Dettagli corso

2º annoCorso: LM-82
CFU: 10Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 6 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Zhang – Dive into Deep Learning, arXivISBN 9781009389433
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
548 pagine
Difficoltà
9,9
Parker – An Introduction to ProgrammingISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,9
StrumentiPer questo esame ti serve anche

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

Consigliato
Manuale di Python

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

Domande possibili all’esame
  1. Come si rappresentano i dati in un database relazionale e quali vincoli garantiscono la coerenza?
  2. Che cosa permette di fare il linguaggio SQL nella selezione e nell'aggregazione dei dati?
  3. Quale ruolo svolge un data warehouse nell'integrare dati provenienti da fonti diverse?
  4. Come funziona l'elaborazione analitica OLAP e quali operazioni consente sui cubi di dati?
  5. Come si calcola l'algoritmo PageRank su un grafo di collegamenti?
  6. Perché il PageRank usa un fattore di smorzamento e quale effetto ha sulla convergenza?
  7. Come si scoprono regole di associazione in un insieme di transazioni?
  8. Che cosa misurano il supporto, la confidenza e il lift di una regola di associazione?
  9. Come si costruisce un indice per accelerare le interrogazioni su grandi tabelle?
  10. Quali differenze esistono tra un database transazionale e uno analitico?
  11. Come si applica la normalizzazione per ridurre le ridondanze nello schema dei dati?
  12. Che cosa significa complessità computazionale di un algoritmo di ricerca su grandi insiemi?
  13. Come si implementa un'interrogazione con join tra più tabelle in modo efficiente?
  14. Quali algoritmi consentono di ordinare grandi quantità di dati che non stanno in memoria?
  15. Come si usa Python per manipolare dati tabellari in un flusso di analisi?
  16. Quali notebook interattivi facilitano la documentazione di un'analisi dei dati?
  17. Come si valuta la scalabilità di una soluzione di elaborazione dei dati?
  18. Perché la gestione delle transazioni è importante per la coerenza dei dati condivisi?
  19. Come si confrontano algoritmi di apprendimento in termini di costo e prestazioni?
  20. Quali strumenti permettono di collegare l'elaborazione dei dati alla visualizzazione dei risultati?

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

Prof. Stefano Lodi: Laboratorio di Informatica

7difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistica, finanza e assicurazioni - sede di Rimini (L-41)
Di cosa si tratta: Media digitali per l'infanzia, Media Education e Cittadinanza Digitale guidano l'analisi e la sperimentazione di app e prodotti narrativi multimediali, scelti con criteri pedagogici. Si affrontano il concetto di onlife, la new media literacy dell'educatore contemporaneo, le possibilità espressive dei nuovi media, buone pratiche e videogiochi come media contemporanei.

Dettagli corso

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

Scorri di lato: 2 libri
Parker – An Introduction to ProgrammingISBN 9781683926245
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
6,1
Che presenta piccole differenze rispetto a Python…ISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
8,3
StrumentiPer questo esame ti serve anche

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

Può servirti
Manuale di Python

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

Domande possibili all’esame
  1. Quali sono i concetti fondamentali dell'informatica e come si organizzano i dati in un computer?
  2. Come si gestiscono i file e le cartelle in un sistema operativo?
  3. Quali funzioni offre un foglio elettronico per l'elaborazione dei dati numerici?
  4. Come si struttura un documento di testo in modo chiaro e ordinato?
  5. Quali differenze esistono tra una rete locale e una rete geografica?
  6. Come funziona un browser nella consultazione delle informazioni online?
  7. Quali criteri permettono di valutare l'affidabilità di una fonte digitale?
  8. Come si scrive un algoritmo semplice e come si verifica la sua correttezza?
  9. Quali vantaggi offre la programmazione difensiva nello sviluppo del software?
  10. Come si utilizzano le asserzioni per controllare il comportamento di un programma?
  11. Quali strumenti di debugging aiutano a individuare errori nel codice?
  12. In che modo la documentazione del codice migliora la manutenzione di un progetto?
  13. Come si realizza un test unitario per verificare il comportamento di una singola funzione?
  14. Quali sono le caratteristiche principali dei database relazionali?
  15. Come si progetta una tabella per memorizzare informazioni senza ridondanze?
  16. Quali misure di sicurezza proteggono i dati personali nei sistemi informatici?
  17. Come si usano i motori di ricerca in modo efficace per trovare informazioni?
  18. Quali sono le fasi di un ciclo di sviluppo di un programma semplice?
  19. Come si confrontano linguaggi di programmazione diversi per un determinato compito?
  20. Come si usano le funzioni di un foglio di calcolo per analizzare un insieme di dati?

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

Scorri di lato: 4 insegnamenti →

Domande frequenti Libri, programma ed esami del prof. Stefano Lodi a Bologna

Che libro usa il prof. Stefano Lodi per Informatica a Bologna?

Per Informatica (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Muggeo – Il linguaggio R, Fischetti, T. (2015). Data Analysis with R. United, Introduzione a SQL.

Quanto è impegnativo Informatica?

8 CFU, difficoltà stimata 1.5 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Stefano Lodi per Machine Learning Systems For Data Science a Bologna?

Per Machine Learning Systems For Data Science (Canale unico) indica come obbligatorio: Zhang – Dive into Deep Learning, arXiv. Facoltativi: Parker – An Introduction to Programming.

Quanto è impegnativo Machine Learning Systems For Data Science?

10 CFU, difficoltà stimata 9.9 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Stefano Lodi per Systems And Algorithms For Data Science a Bologna?

Per Systems And Algorithms For Data Science (Canale unico) indica come obbligatorio: Zhang – Dive into Deep Learning, arXiv. Facoltativi: Parker – An Introduction to Programming.

Quanto è impegnativo Systems And Algorithms For Data Science?

10 CFU, difficoltà stimata 9.9 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Stefano Lodi per Laboratorio di Informatica a Bologna?

Per Laboratorio di Informatica (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Parker – An Introduction to Programming, Che presenta piccole differenze rispetto a Python….

Quanto è impegnativo Laboratorio di Informatica?

4 CFU, difficoltà stimata 7 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.