Foto personale

Pagina personale di Roberto SERRA

Dipartimento di Scienze Fisiche, Informatiche e Matematiche
Dipartimento di Scienze Fisiche, Informatiche e Matematiche sede ex-Fisica

Contenuti Insegnamento: Fondamenti e applicazione dei sistemi complessi

Corso di studio: INFORMATICA (D.M. 270/04) (offerta formativa anno 2017)
  • CFU: 9
  • SSD: ING-INF/05

Contenuti Insegnamento: Dynamics of Complex Systems

Corso di studio: PHYSICS – FISICA (D.M.270/04) (offerta formativa anno 2017)
  • CFU: 6
  • SSD: ING-INF/05

Obiettivi formativi

Lo studio dei sistemi complessi ha acquisito un ruolo di primo piano non solo fra le attività scientifiche, ma anche nelle aziende e nelle organizzazioni attive sul mercato e nel sociale. Nell'ambito scientifico, esso fornisce un punto di vista nuovo e complementare rispetto a quelli delle discipline tradizionali, mentre in ambito aziendale ed organizzativo esso fornisce sia strumenti concettuali fondamentali per il management in un periodo di rapidi cambiamenti, che strumenti operativi per decifrare le dinamiche dei processi, dei mercati, della finanza. Si fa necessariamente ampio ricorso a strumenti informatici, sia per simulare dinamiche complesse che per analizzare i risultati delle simulazioni, quindi è opportuno che gli informatici conoscano i principali elementi di questo nuovo approccio e siano in grado di dialogare sia con gli specialisti che con gli utilizzatori dei risultati. Lo studio dei sistemi complessi è orientato alla ricerca di principi organizzativi in sistemi composti da diversi elementi interagenti in maniera non lineare. E’ stato dimostrato che alcuni comportamenti sono maggiormente influenzati dalle proprietà delle interazioni piuttosto che dalla natura degli elementi del sistema, e questo consente di applicare efficacemente, col dovuto rigore, concetti e metodi simili in sistemi diversi. Al termine dell’insegnamento lo studente: • avrà acquisito le principali nozioni relative ai sistemi complessi; • conoscerà i principali strumenti matematici e computazionali dei sistemi complessi; • conoscerà le applicazioni della Scienza della Complessità.

Prerequisiti

nessuno; si consiglia di avere seguito il corso di "Modelli empirici ed approssimati"

Programma del corso

Fenomeni emergenti e loro modelli Attrattori Usare gli attrattori: la rete neurale di Hopfield Altre reti neurali: percettroni, SOM Applicazioni di reti neurali a problemi industriali (analisi di dati rumorosi, gestione di bioreattori) Automi cellulari per lo studio di sistemi complessi Reti di Kauffman Elaborazione evolutiva Applicazioni di elaborazione evolutiva: programmazione genetica Struttura e dinamica di reti complesse Misure di complessità

Testi di riferimento

Nessun testo è obbligatorio. Tutti gli argomenti saranno descritti in lucidi disponibili su Dolly (assieme ad alcuni articoli). Alcuni libri verranno consigliati a chi desidera impadronirsi a fondo del linguaggio della scienza della complessità o approfondirne alcuni aspetti

Metodi Didattici

lezioni frontali

Verifica dell'apprendimento

la verifica è basata su un esame scritto a risposte aperte. Per gli studenti che lo desiderano, è possibile preparare una lezione di un'ora su un argomento monografico (che contribuisce per 1/3 al voto finale). Inoltre, chi preferisce può sostenere un esame orale al posto dello scritto.

Risultati attesi

Risultati di apprendimento attesi Conoscenza e capacità di comprensione: Al termine dell’insegnamento lo studente avrà acquisito le principali nozioni relative ai sistemi complessi, ne conoscerà i principali strumenti matematici e computazionali e sarà in grado di comprendere parte della letteratura scientifica attuale. Capacità di applicare conoscenza e comprensione: Grazie alla varietà di esempi considerati, lo studente saprà applicare i metodi più appropriati per i diversi casi che dovesse affrontare Autonomia di giudizio: Grazie alla varietà di esempi considerati, lo studente saprà identificare gli approcci più efficaci per i diversi casi, e individuarne i limiti Abilità comunicative: Lo studente acquisirà il linguaggio della scienza della complessità, e ne dimostrerà la padronanza nel corso dell'esame e dell'eventuale lezione ai compagni Capacità di apprendimento: Verranno esaminati diversi casi, passando da una descrizione fenomenologica alla modellistica matematica e ai relativi strumenti di analisi. Questa esperienza amplierà la capacità di apprendimento di nuovi casi e strumenti, e la capacità di modellare fenomeni complessi