I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher di informazioni apprese con la frequenza delle lezioni e lo studio autonomo di eventuali testi di riferimento in preparazioneall’esame finale o della tesi. Non devono intendersi come materiale ufficiale dell’università attribuibile al docente del corso o al relatore
…continua

Filtra per

Tutte le tipologie

Ordina

Filtra

Appunti di Informatica

Esame Programmazione a oggetti

Facoltà Ingegneria iv

Dal corso del Prof. E. Fabrizio

Università Politecnico di Torino

Schemi e mappe concettuali
Schema riassuntivo di Programmazione a oggetti realizzato per avere traccia del linguaggio java. Come indicizzare le variabili, come creare funzioni, classi e oggetti, facendo riferimento anche a pezzi di codice, commentati per capire come implementare il codice.
...continua

Esame Prova di abilità informatica

Facoltà Scienze motorie

Dal corso del Prof. M. Venuti

Università Universita telematica "Pegaso" di Napoli

Prove svolte
Paniere Eipass 7 moduli. Modulo 2: Sicurezza, Browser e Navigazione Web. Completo e aggiornato con tutte le domande dei test + domande EXTRA. Perfette per sostenere l'esame. In ordine. Ci sono tutte le domande in ordine alfabetico.
...continua
Tutte le domande e le risposte corrette per il Modulo 2 - Guida all'uso di Gmail e Chrome. EIPASS 7 moduli Le domande sono organizzate in ordine alfabetico. Ogni domanda è seguita dalla rispettiva risposta corretta evidenziata in grassetto. Nelle domande che richiedono di scegliere un’icona o un elemento dell’interfaccia, dopo la domanda è presente l’icona corretta o la lettera con l’elemento dell’interfaccia da selezionare.
...continua
Eccellente risorsa didattica che copre in modo esaustivo i principi fondamentali e le tecniche avanzate della Visione Artificiale. Il documento è strutturato per guidare lo studente dalla comprensione dell'immagine digitale fino alle più moderne applicazioni di intelligenza artificiale. Il testo analizza sia la teoria matematica sottostante che gli algoritmi pratici, rendendo accessibili anche i concetti più complessi. Argomenti trattati nel dettaglio: Fondamenti di Imaging: Formazione dell'immagine, modelli di fotocamera (pinhole), lenti, sensori e spazi colore. Image Processing: Tecniche di filtraggio (lineare, non lineare, gaussiano), operazioni morfologiche, istogrammi e riduzione del rumore. Feature Detection & Matching: Algoritmi per l'estrazione di caratteristiche salienti come bordi (Canny, Sobel), angoli (Harris) e descrittori invarienti (SIFT, HOG). Segmentazione: Metodi di raggruppamento (K-means, Graph Cuts) per isolare oggetti e regioni di interesse. Deep Learning per la Visione: Introduzione alle Reti Neurali, focus sulle CNN (Convolutional Neural Networks), architetture classiche e moderne per la classificazione e il riconoscimento oggetti. Analisi del Movimento e 3D: Cenni su flusso ottico, visione stereo e geometria multi-vista. Ideale per preparare l'esame universitario o per chi desidera una solida base teorica prima di passare all'implementazione pratica.
...continua
Eccellente risorsa didattica che copre in modo esaustivo i principi fondamentali e le tecniche avanzate della Visione Artificiale. Il documento è strutturato per guidare lo studente dalla comprensione dell'immagine digitale fino alle più moderne applicazioni di intelligenza artificiale. Il testo analizza sia la teoria matematica sottostante che gli algoritmi pratici, rendendo accessibili anche i concetti più complessi. Argomenti trattati nel dettaglio: Fondamenti di Imaging: Formazione dell'immagine, modelli di fotocamera (pinhole), lenti, sensori e spazi colore. Image Processing: Tecniche di filtraggio (lineare, non lineare, gaussiano), operazioni morfologiche, istogrammi e riduzione del rumore. Feature Detection & Matching: Algoritmi per l'estrazione di caratteristiche salienti come bordi (Canny, Sobel), angoli (Harris) e descrittori invarienti (SIFT, HOG). Segmentazione: Metodi di raggruppamento (K-means, Graph Cuts) per isolare oggetti e regioni di interesse. Deep Learning per la Visione: Introduzione alle Reti Neurali, focus sulle CNN (Convolutional Neural Networks), architetture classiche e moderne per la classificazione e il riconoscimento oggetti. Analisi del Movimento e 3D: Cenni su flusso ottico, visione stereo e geometria multi-vista. Ideale per preparare l'esame universitario o per chi desidera una solida base teorica prima di passare all'implementazione pratica.
...continua
Eccellente risorsa didattica che copre in modo esaustivo i principi fondamentali e le tecniche avanzate della Visione Artificiale. Il documento è strutturato per guidare lo studente dalla comprensione dell'immagine digitale fino alle più moderne applicazioni di intelligenza artificiale. Il testo analizza sia la teoria matematica sottostante che gli algoritmi pratici, rendendo accessibili anche i concetti più complessi. Argomenti trattati nel dettaglio: Fondamenti di Imaging: Formazione dell'immagine, modelli di fotocamera (pinhole), lenti, sensori e spazi colore. Image Processing: Tecniche di filtraggio (lineare, non lineare, gaussiano), operazioni morfologiche, istogrammi e riduzione del rumore. Feature Detection & Matching: Algoritmi per l'estrazione di caratteristiche salienti come bordi (Canny, Sobel), angoli (Harris) e descrittori invarienti (SIFT, HOG). Segmentazione: Metodi di raggruppamento (K-means, Graph Cuts) per isolare oggetti e regioni di interesse. Deep Learning per la Visione: Introduzione alle Reti Neurali, focus sulle CNN (Convolutional Neural Networks), architetture classiche e moderne per la classificazione e il riconoscimento oggetti. Analisi del Movimento e 3D: Cenni su flusso ottico, visione stereo e geometria multi-vista. Ideale per preparare l'esame universitario o per chi desidera una solida base teorica prima di passare all'implementazione pratica.
...continua