Course Syllabus

Export
  • Comprendere i principi fondamentali del green computing e la sua importanza.
  • Analizzare e applicare algoritmi e tecniche a basso consumo energetico nella data science e nell'IA.
  • Condurre valutazioni del ciclo di vita delle risorse informatiche.
  • Utilizzare strumenti e tecniche di data science per promuovere e misurare gli sforzi di sostenibilità.

Il corso consiste nei seguenti moduli:

Modulo 1 - Panoramica sulla sostenibilità e l'impatto dell'informatica
Modulo 2 - Architetture, calcolo e ingegneria del software orientate al basso consumo energetico
Modulo 3 - Data Science ed IA orientate alla sostenibilità

Modulo 1 - Panoramica sulla sostenibilità e l'impatto dell'informatica

Introduzione al Green Computing

  • Definizione e significato del green computing.
  • Contesto storico ed evoluzione.
  • Principali motori e stakeholder nel green computing.

Impatto Ambientale dell'Informatica

  • Consumo energetico nell'informatica.
  • Impronta carbonio dei data center.
  • Gestione dei rifiuti elettronici.

Modulo 2 - Architetture, calcolo e ingegneria del software orientati al basso consumo energetico

Algoritmi a Basso Consumo Energetico

  • Principi del calcolo a basso consumo energetico.
  • Architetture a basso consumo energetico.
  • Algoritmi a basso consumo energetico.

Ingegneria del Software Sostenibile

  • Pratiche di sviluppo software sostenibili.
  • Strumenti e tecniche per l'ingegneria del software green.
  • Compromessi tra prestazioni e sostenibilità.

Valutazione del Ciclo di Vita delle Risorse Informatiche

  • Metodi per la valutazione del ciclo di vita (LCA).
  • LCA dei componenti hardware.
  • LCA delle applicazioni software.

Sostenibilità dall'IoT al Cloud

  • Ruolo della virtualizzazione nel green computing.
  • Efficienza energetica nel cloud computing.
  • Progettazione di data center a basso consumo energetico.
  • Fonti di energia rinnovabile per i data center.
  • Dispositivi e sistemi IoT a basso consumo energetico.
  • Applicazioni IoT sostenibili.

Metriche e Standard del Green Computing

  • Metriche per misurare l'efficienza energetica e la sostenibilità.
  • Strumenti per il monitoraggio e la segnalazione delle metriche di sostenibilità.

Modulo 3 - Data Science ed IA orientate alla sostenibilità

Data Science e Sostenibilità

  • Impatto ambientale del Big Data.
  • Elaborazione di Big Data a basso consumo energetico.
  • Soluzioni sostenibili per l'archiviazione dei dati.
  • Applicazioni di data science nel green computing.
  • Analisi predittiva per il consumo energetico.

Machine Learning per il Green Computing

  • Tecniche di machine learning per ottimizzare l'uso dell'energia.
  • Applicazioni di ML nelle reti intelligenti e nella gestione dell'energia.
  • Tendenze di ricerca in ML e green computing.

Casi di studio

  • Conoscenze di base di informatica e data science.
  • Comprensione dei concetti fondamentali di statistica e machine learning.

L’insegnamento è composto da

  • lezioni frontali, in modalità didattica prevalentemente erogativa (DE 30 ore)
  • esercitazioni, in modalità prevalentemente interattiva (DI 16 ore)

Il corso sarà erogato in Inglese.

Note, slide e articoli forniti dal docente.

Secondo anno, Secondo semestre

Lo scritto si compone di domande aperte (50%) e problemi (50%).
Durante lo scritto si possono consultare libri e appunti ed è consentito l'uso si una calcolatrice.
Non sono presenti prove in itinere

Criteri di valutazione:

Domande Aperte
-Comprensione dei Concetti: La capacità di spiegare chiaramente i concetti chiave e le teorie relative al materiale del corso.
-Chiarezza e Coerenza: La chiarezza, coerenza e organizzazione delle risposte.
-Rilevanza: La rilevanza e accuratezza delle informazioni presentate in relazione alle domande poste.

Soluzioni Analitiche dei Problemi
-Accuratezza: Correttezza dei calcoli matematici e delle soluzioni.
-Metodologia: L'adeguatezza e correttezza dei metodi e degli approcci utilizzati per risolvere i problemi.
-Chiarezza del Lavoro: Presentazione chiara delle soluzioni, inclusi tutti i passaggi e le giustificazioni.

Appuntamento da concordare via mail.

IMPRESE, INNOVAZIONE E INFRASTRUTTURE | CITTÀ E COMUNITÀ SOSTENIBILI | CONSUMO E PRODUZIONE RESPONSABILI | LOTTA CONTRO IL CAMBIAMENTO CLIMATICO
Export
  • Understand the fundamental principles of green computing and its importance.
  • Analyze and apply energy-efficient algorithms and techniques in data science and AI
  • Conduct lifecycle assessments of computing resources.
  • Use data science tools and techniques to promote and measure sustainability efforts.

The course consists of the following modules:

Module 1 - Overview of Sustainability and Impact of Computing
Module 2 - Energy efficient architectures, computing, and software engineering
Module 3 - Data Science, AI and sustainability

Module 1 - Overview of Sustainability and Impact of Computing

Introduction to Green Computing

  • Definition and significance of green computing.
  • Historical context and evolution.
  • Key drivers and stakeholders in green computing.

Environmental Impact of Computing

  • Energy consumption in computing.
  • Carbon footprint of data centers.
  • E-waste management.

Module 2 - Energy efficient oriented architectures, computing, and software engineering

Energy-Efficient Algorithms

  • Principles of energy-efficient computing.
  • Energy efficient architectures
  • Energy-efficient algorithms.

Green Software Engineering

  • Sustainable software development practices.
  • Tools and techniques for green software engineering.
  • Performance vs. sustainability trade-offs.

Lifecycle Assessment of Computing Resources

  • Methods for lifecycle assessment (LCA).
  • LCA of hardware components.
  • LCA of software applications.

Sustainability from IoT to Cloud

  • Role of virtualization in green computing.
  • Energy efficiency in cloud computing.
  • Energy-efficient data center design.
  • Renewable energy sources for data centers.
  • Energy-efficient IoT devices and systems.
  • Sustainable IoT applications.

Green Computing Metrics and Standards

  • Metrics for measuring energy efficiency and sustainability.
  • Tools for monitoring and reporting sustainability metrics.

Module 3 - Data Science, AI and Sustainability

Data Science and Sustainability

  • Environmental impact of Big Data.
  • Energy-efficient Big Data processing.
  • Sustainable data storage solutions.
  • Data science applications in green computing.
  • Predictive analytics for energy consumption.

Machine Learning for Green Computing

  • Machine learning techniques for optimizing energy use.
  • Applications of ML in smart grids and energy management.
  • Research trends in ML and green computing.

Case Studies

  • Basic knowledge of computer science and data science.
  • Understanding of basic concepts in statistics and machine learning.

The course comprises

  • classroom lectures (DE 30 hours)
  • interactive exercises in the classroom (DI 16 hours)

The course will be delivered in English

Lecture notes, slide decks and articles provided by the lecturer.

Second year, Second semester

The written exam consists of open-ended questions (50%) and problems (50%).
During the exam, books and notes can be consulted, and the use of a calculator is allowed.
There are no midterm exams.

Evaluation criteria:

Open Questions

  • Understanding of Concepts: The ability to clearly explain the key concepts and theories related to the course material.
  • Clarity and Coherence: The clarity, coherence, and organization of the responses.
  • Relevance: The relevance and accuracy of the information presented in relation to the questions asked.

Analytical Solutions of Problems

  • Accuracy: Correctness of the mathematical computations and solutions.
  • Methodology: The appropriateness and correctness of the methods and approaches used to solve the problems.
  • Clarity of Work: Clear presentation of the solutions, including all steps and justifications.

Appointment to be agreed by email.

INDUSTRY, INNOVATION AND INFRASTRUCTURE | SUSTAINABLE CITIES AND COMMUNITIES | RESPONSIBLE CONSUMPTION AND PRODUCTION | CLIMATE ACTION
Enter

Key information

Field of research
INF/01
ECTS
6
Term
Second semester
Activity type
Mandatory to be chosen
Course Length (Hours)
46
Degree Course Type
2-year Master Degreee
Language
English

Staff

    Teacher

  • GG
    Gabriele Gianini

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments

Sustainable Development Goals

INDUSTRY, INNOVATION AND INFRASTRUCTURE - Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
SUSTAINABLE CITIES AND COMMUNITIES - Make cities and human settlements inclusive, safe, resilient and sustainable
RESPONSIBLE CONSUMPTION AND PRODUCTION - Ensure sustainable consumption and production patterns
CLIMATE ACTION - Take urgent action to combat climate change and its impacts