Prossima Seduta
Scadenze per gli Studenti
15 settembre 2025
Termine ultimo per l’invio a cicsi@unipa.it, della documentazione relativa a:
- Fine Tirocinio.
- Altre conoscenze utili per l'inserimento nel mondo del lavoro.
19 settembre 2025
Data ultima per il completamento degli esami di profitto e la convalida di tutte le attività formative (registrazione compresa).
24 settembre 2025
Data ultima per il caricamento della tesi di laurea e validazione da parte del relatore.
PROVA FINALE
Le modalità di accesso all’esame di laurea magistrale, le caratteristiche della tesi e le modalità di svolgimento della prova finale sono definiti nel Regolamento dell’esame di Laurea Magistrale, consultabile nella voce REGOLAMENTI dal Menu INFORMAZIONI, o mediante il seguente link
La Prova Finale vale 21 CFU.
ADEMPIMENTI PER LAUREARSI (9 PASSI PER CONSEGUIRE IL TITOLO DI DOTTORE MAGISTRALE IN INFORMATICA):
- Prendere visione del REGOLAMENTO dell’ESAME Dl LAUREA MAGISTRALE, utilizzando il link sopra indicato
- Scegliere un argomento consultando la lista degli ARGOMENTI PER LA TESI DI LAUREA MAGISTRALE, suddivisi per docente proponente, il quale assumerà il ruolo di relatore. È possibile proporre un argomento non compreso nella lista, purché concordato preliminarmente con il docente relatore
- Compilare la Richiesta assegnazione della tesi di Laurea Magistrale, raggiungibile dalla voce MODULISTICA del Menu INFORMAZIONI e consegnarla presso la segreteria del Corso di Studio (dott.ssa. Bartolo) almeno 6 mesi prima della sessione di laurea prevista
- Procedere allo studio dell’argomento di tesi assegnato e alla preparazione della tesi con la supervisione del relatore
- Individuare, con il supporto del relatore, la sessione di laurea magistrale in cui presentare la tesi, compilare (attraverso il portale studenti) la domanda di laurea magistrale ed effettuare il pagamento delle tasse previste. Le scadenze e tutti gli altri dettagli sono consultabili al seguente link, raggiungibile dalla pagina STUDENTI del sito di Ateneo: https://www.unipa.it/target/studenti-iscritti/laurearsi/domanda-di-laurea/
- Effettuare l’upload della tesi di laurea magistrale (il termine ultimo è fissato a 15 giorni continuativi prima dell'inizio della sessione di laurea)
- Validazione della tesi da parte del relatore. Al fine di consentire la consultazione delle tesi ai membri della commissione il relatore, una volta validata la tesi, ne invia copia in formato pdf al segretario del corso di studio (dott.ssa Bartolo) per il successivo caricamento nel cloud. Completata la procedura di validazione, lo studente saràÌ€ iscritto d’ufficio alla prova finale.
- Sostenere la prova finale, che consiste nella presentazione della tesi dinanzi ad una commissione di laurea magistrale appositamente nominata e in una discussione su quesiti eventualmente posti dai membri della commissione. Il tempo a disposizione per la presentazione è 20 minuti.
- A conclusione della seduta di laurea magistrale, la commissione procede alla proclamazione, ovvero al conferimento del titolo e contestuale comunicazione del voto di laurea (espresso in centodecimi con eventuale lode)
Argomenti per la Tesi
Si propone una lista di possibili argomenti per la tesi di laurea magistrale, suddivisi per docente proponente, il quale assumerà il ruolo di relatore.
Docente: F. BELLAVIA
1. Visione artificiale
2. Ricostruzione tridimensionale da immagini e video
3. Navigazione autonoma tramite visione computazionale
4. Metodi di correzione colore per immagini e video
5. Image mosaicing e stitching
Docente: G. CASTIGLIONE
1. Linguaggi di parole infinite
2. Proprietà di chiusura avanzate ti linguaggi regolari
3. Linguaggi star-free
4. Riconoscibilità di linguaggi bidimensionali
5. Automi 2-way
6. Applicazioni della teoria dei linguaggi formali allo studio dei linguaggi naturali
7. Linguaggi context-sensitive
Docente: C. EPIFANIO
1. Strutture dati per l'indicizzazione di testi
2. Algoritmi di compressione dati
3. Grafi sturmiani
Docente: G. FALCONE
1. Algoritmi di addizione su curve iperellittiche in crittografia asimmetrica
2. Algoritmi di decodifica per codici di Goppa e di Reed-Muller
Docente: G. FICI
1. Implementazione in C o Java di algoritmi avanzati su stringhe e sperimentazione su dati reali
2. Sviluppo teorico di nozioni combinatorie sulle stringhe (avviamento alla ricerca)
Docente: D. GARLISI
1. Sviluppo e integrazione di sistemi per l'industria 4.0 basati su sensori e tecnologie di comunicazione IoT.
2. Sistemi di ricostruzione e analisi ambientale basate su tecnologia LIDAR e riduzione dei dati.
3. Studio di soluzioni di ottimizzazione delle reti LPWAN attraverso edge computing e realizzazione di query distribuite.
4. Utilizzo di sensori IoT per il monitoraggio delle reti idriche e la detection delle perdite.
5. Soluzioni di tipo data-driven per il profiling degli utenti e la detection delle perdite nelle reti idriche.
6. Analisi e implementazione di modelli di regressione lineare per l'analisi delle reti idriche e la detection delle perdite.
7. Analisi e implementazione di modelli per il profiling di dispositivi IoT a livello radio e rete.
8. Sviluppo e integrazione di sistemi per il supporto di operatori in scenari di emergenza.
Docente: R. GIANCARLO
1. Algoritmi su stringhe per grosse collezioni di dati
2. Algoritmi su grafi
3. Strutture dati per indicizzazione e ricerca
4. Compressione dati basata su riordinamenti
In collaborazione con il CNR:
1. Sistemi di Workflow adattativi
2. Sistemi di simulazione multiagente
3. Tool di progettazione del software
Docente: G. LO BOSCO
1. Machine Learning
2. Deep Learning
3. BioInformatica
4. Diagnostica per immagini
5. Realtà aumentata (in collaborazione con l'istituto ITD-CNR)
6. Elaborazione del linguaggio naturale (in collaborazione con l'istituto ICAR-CNR)
7. Sviluppo di applicazioni mobili (in collaborazione con l'istituto ITD-CNR)
Docente: G. METERE
1. Applicazioni della teoria delle categorie all'informatica teorica
2. Teoria delle specie combinatorie (secondo A. Joyal)
3. Argomenti di Crittografia e Teoria dei Numeri
Docente: F. REALE
1. Analisi numerica applicata all’Astrofisica
2. High performance computing applicato all’Astrofisica
Docente: D. ROCCHESSO
1. Compressing circular buffers vs. Fractional delay lines
2. Rappresentazioni tempo-frequenza del suono e separazione di componenti
3. Classificazione automatica di primitive per il suono
4. Quantum vocal theory of sound
5. Interazioni ritmiche multisensoriali
Docente: S. ROMBO
1. Supporto alle Decisioni per la Medicina di Precisione e Rigenerativa
2. Approcci e metodologie informatiche per la sostenibilità - in collaborazione con il Centro di Sostenibilità e Transizione Ecologica di ateneo
3. Knowledge Graphs per la rappresentazione e analisi di dati in vari contesti applicativi
4. Risoluzione di problemi in ambito Social Network
5. Machine Learning applicato a grandi quantità di dati (biologici, medicali, finanziari, ecc.)
Docente: G. SANFILIPPO
1. Ragionamento probabilistico basato sulla coerenza, sillogisimi categorici e ragionamento non monotono
2. Entropia su una famiglia arbitraria di eventi
3. Operazioni logiche tra eventi condizionati
Docente: M. SCIORTINO
1. Costruzione di grafi compatti per l'indicizzazione dei testi
2. Strumenti combinatori per la classificazione di testi
3. Costruzione di automi self-adjusting per la gestione di processi (in collaborazione con il CNR)
4. Algoritmi e strutture dati in memoria esterna per il trattamento di dati massivi
5. Costruzione di strutture di indice per collezioni di testi
6. Misure per il confronto di testi
7. Misure per il confronto di strutture ad albero
Docente: C. VALENTI
Analisi dati, algoritmi paralleli e evolutivi (anche in ambiente Android) per
1. tomografia
2. informatica forense
3. diagnostica
4. interpretazione
5. compressione