networking

Corsi è stata associata a "networking"

Date: 10 e 17 marzo 2026

Tipo di corso: webinar

Orario: 10.30 - 12.00

Docente: Paola Celio

Profilo Professionale
Paola Celio è Senior Technical Officer presso l'Università degli Studi Roma Tre dal 2002. Vanta oltre 20 anni di esperienza nello sviluppo di software scientifico, calcolo ad alte prestazioni (HPC) e analisi dei dati per la fisica sperimentale. È specializzata nel collegare la ricerca accademica con le soluzioni tecnologiche avanzate.
Competenze Tecniche
  • Programmazione: Esperta in Python, C++, Java, Bash e Perl.
  • Analisi Dati e ML: Utilizzo avanzato di SQL, pandas, NumPy e Scikit-learn; competenze iniziali in TensorFlow.
  • Database: Gestione di sistemi complessi come Oracle, PostgreSQL e MySQL.
  • Strumenti Scientifici: Esperienza con LAMMPS, ROOT, Anaconda e Jupyter.
Esperienze Principali e Collaborazioni
  • Ricerca Internazionale: ha contribuito a importanti esperimenti di fisica delle alte energie e astroparticelle, tra cui ATLAS (CERN), DarkSide e ARGO-YBJ.
  • Sviluppo Software: si occupa di automazione di workflow, pipeline di dati e simulazioni LAMMPS.
  • Collaborazioni Esterne: lavora con l'ISPRA su sistemi di dati live in PostgreSQL e con l'Ospedale Gemelli per l'estrazione di feature da dati reali.
  • Attività Didattica: docente di programmazione Python e analisi dei dati per dottorandi e studenti di Master (Data Analytics) presso Roma Tre. Relatrice su temi attuali come l'uso dei ChatBot in ambito accademico e l'applicazione del Machine Learning al traffico di rete (corso GARR 2025).
  • Formazione e Pubblicazioni: possiede un MSc in Fisica conseguito presso l'Università La Sapienza di Roma, con specializzazione in Fisica delle Astroparticelle. Autrice di numerose pubblicazioni in peer-review su riviste prestigiose come Nature Physics e Physical Review D.

Programma

    1.  Introduzione pratica (hands-on)
      1. Analisi esplorativa di un dataset di rete
      2. Implementazione guidata di:
        1. un modello di clustering per anomaly detection
        2. un semplice modello di classificazione
      3. Interpretazione dei risultati


Livello del corso:
base

Prerequisiti: 

Conoscenze di base di:

  • architetture di rete (TCP/IP, routing, switching)
  • concetti di monitoraggio e performance (latenza, throughput, packet loss)
  • Familiarità con l’uso del computer e dei fogli di calcolo
  • Non è richiesta esperienza pregressa in Machine Learning o Data Science
  • Conoscenze di programmazione non obbligatorie, ma utili


Target: 

  • Network engineer
  • Network operator
  • System administrator
  • Personale tecnico coinvolto nel monitoraggio e nella gestione delle reti
  • Responsabili IT con ruolo operativo o decisionale

Il corso è pensato per professionisti con competenze tecniche di rete che desiderano comprendere e utilizzare il Machine Learning come strumento di supporto operativo. 
 

Link: verrà inviato agli iscritti il giorno prima del webinar

Categoria: Webinar

Date: 10 febbraio, 17 febbraio, 24 febbraio, 3 marzo 2026

Tipo di corso: webinar

Orario: 10.30 - 12.00

Docente: Paola Celio

Profilo Professionale
Paola Celio è Senior Technical Officer presso l'Università degli Studi Roma Tre dal 2002. Vanta oltre 20 anni di esperienza nello sviluppo di software scientifico, calcolo ad alte prestazioni (HPC) e analisi dei dati per la fisica sperimentale. È specializzata nel collegare la ricerca accademica con le soluzioni tecnologiche avanzate.
Competenze Tecniche
  • Programmazione: Esperta in Python, C++, Java, Bash e Perl.
  • Analisi Dati e ML: Utilizzo avanzato di SQL, pandas, NumPy e Scikit-learn; competenze iniziali in TensorFlow.
  • Database: Gestione di sistemi complessi come Oracle, PostgreSQL e MySQL.
  • Strumenti Scientifici: Esperienza con LAMMPS, ROOT, Anaconda e Jupyter.
Esperienze Principali e Collaborazioni
  • Ricerca Internazionale: ha contribuito a importanti esperimenti di fisica delle alte energie e astroparticelle, tra cui ATLAS (CERN), DarkSide e ARGO-YBJ.
  • Sviluppo Software: si occupa di automazione di workflow, pipeline di dati e simulazioni LAMMPS.
  • Collaborazioni Esterne: lavora con l'ISPRA su sistemi di dati live in PostgreSQL e con l'Ospedale Gemelli per l'estrazione di feature da dati reali.
  • Attività Didattica: docente di programmazione Python e analisi dei dati per dottorandi e studenti di Master (Data Analytics) presso Roma Tre. Relatrice su temi attuali come l'uso dei ChatBot in ambito accademico e l'applicazione del Machine Learning al traffico di rete (corso GARR 2025).
  • Formazione e Pubblicazioni: possiede un MSc in Fisica conseguito presso l'Università La Sapienza di Roma, con specializzazione in Fisica delle Astroparticelle. Autrice di numerose pubblicazioni in peer-review su riviste prestigiose come Nature Physics e Physical Review D.

Abstract

Il corso fornisce un’introduzione pratica e concettuale al Machine Learning, con particolare attenzione alle applicazioni nel contesto della gestione e del monitoraggio delle reti informatiche e di telecomunicazione. Partendo dai concetti fondamentali dell’analisi dei dati e dell’apprendimento automatico, il corso guida i partecipanti nella comprensione di come i modelli di Machine Learning possano supportare attività quali il rilevamento di anomalie, la previsione di guasti, l’analisi delle prestazioni e l’ottimizzazione operativa delle reti.
L’obiettivo è fornire le basi teoriche e operative per dialogare con data scientist, comprendere casi d’uso reali e sperimentare semplici modelli attraverso esempi pratici, senza richiedere competenze avanzate di programmazione o matematica.

Programma

  1. Dati e reti: il contesto
    1. Tipologie di dati di rete: log, metriche, eventi, time series
    2. Qualità del dato: completezza, rumore, outlier
    3. Introduzione al concetto di Data-Driven Network Management
  2. Fondamenti di Machine Learning
    1. Cos’è (e cosa non è) il Machine Learning
    2. Apprendimento supervisionato, non supervisionato e semi-supervisionato
    3. Differenza tra regole statiche e modelli basati sui dati
  3. Machine Learning per la gestione delle reti
    1. Use case principali:
      1. Anomaly detection su traffico e performance
      2. Previsione di congestioni e guasti
      3. Classificazione di eventi e allarmi
      4. Esempi reali e architetture di riferimento
  4. Workflow di Machine Learning
    1. Raccolta e preparazione dei dati (feature engineering di base)
    2. Training, validazione e test di un modello
    3. Concetti chiave: overfitting, generalizzazione, metriche di valutazione


Livello del corso:
base

Prerequisiti: 

Conoscenze di base di:

  • architetture di rete (TCP/IP, routing, switching)
  • concetti di monitoraggio e performance (latenza, throughput, packet loss)
  • Familiarità con l’uso del computer e dei fogli di calcolo
  • Non è richiesta esperienza pregressa in Machine Learning o Data Science
  • Conoscenze di programmazione non obbligatorie, ma utili


Target: 

  • Network engineer
  • Network operator
  • System administrator
  • Personale tecnico coinvolto nel monitoraggio e nella gestione delle reti
  • Responsabili IT con ruolo operativo o decisionale

Il corso è pensato per professionisti con competenze tecniche di rete che desiderano comprendere e utilizzare il Machine Learning come strumento di supporto operativo. 
 

Link al webinar: verrà inviato agli iscritti il giorno prima della diretta di ogni singolo modulo

Categoria: Webinar

Data: 12 maggio 2025

Tipo di corso: in presenza

Orario: 10:30 - 17:00

Sede: Aula Magna, Dipartimento di Informatica, Campus Universitario "Ernesto Quagliariello" Via E. Orabona, 4 - Bari

Docenti

Marco Malavolti: Laureato in Informatica, lavora per GARR dal 2013 come programmatore e si adopera da subito per aiutare la comunità IDEM con HOWTO di installazione e configurazione degli elementi coinvolti nell'accesso federato. Nel 2013  prende parte al progetto IdP-in-the-Cloud con l'intento di creare un sistema semi-automatizzato per il rilascio di un Identity Provider Shibboleth per gli Istituti di Ricovero e Cura a Carattere Scientifico, per gli Istituti Zooprofilattico Sperimentale e per gli Istituti legati ai Beni Culturali. Sviluppa tale progetto prima in Puppet e poi in Ansible(tuttora in essere). Dal 2018 viene nominato Operatore del Servizio IDEM GARR AAI, in quanto specialista di identità digitali e sistemi di autenticazione e autorizzazione, e si occupa della Federazione Italiana delle Identità Digitali IDEM.

Mario Di Lorenzo: Laurea triennale in Ingegneria Elettronica e magistrale in Ingegneria delle Telecomunicazioni, curriculum Cyber Security, presso il Politecnico di Bari. Dal 2021 lavora in GARR come Operatore del Servizio IDEM GARR AAI, occupandosi di indentità digitali e sistemi di autenticazione e autorizzazione. Inoltre collabora con GARR-CA.

Programma

Prima parte 10:30 - 13:00 (2,5 ore) 

Nella prima parte del corso saranno illustrati i concetti alla base di un Identity Provider e dell'architettura della versione 5 di Shibboleth Identity Provider e di come utilizzare l'Ansible Playbook sviluppato e rilasciato da IDEM per creare un Identity Provider che rispetti standard e direttive della Federazione IDEM e di eduGAIN. 

  1. Shibboleth Identity Provider 5 | 10:30 - 11:30 (1 ora): 
    1. Architettura generale 
    2. Attribute Registry 
    3. Attribute Resolver 
    4. Attribute Filter 
    5. Plugin e Moduli
  2.  Pausa (10 min) 
  3. Installazione e configurazione via Ansible | 11:45 - 12:45 (1 ora): 
    1. Scopo del Playbook 
    2. Requisiti preliminari 
    3. Struttura e Componenti 
    4. Requisiti di esecuzione 
    5. Configurazione 
  4. Recap e Domande di fine corso (10 minuti) 

Pausa Pranzo 13:00 - 14:00 

Seconda parte 14:00 - 17:00 (3 ore) 

La seconda parte del corso si svolgerà in modalità hands-on per installare Shibboleth Identity Provider versione 5 con Ansible e provare qualche configurazione di base per il rilascio degli attributi alle risorse federate. 

  1.  Configurazione host vars e avvio playbook Ansible 
  2. Verifica funzionamento IdP con URL /idp/shibboleth 
  3. Verifica funzionamento IdP con login su SP (SAML) di test 
  4. Configurazione Attribute Filter/Resolver per rilascio attributi verso alcuni casi d'uso 

Requisiti di accesso: Il corso è rivolto al personale tecnico che si occupa, o si dovrà occupare, dell'amministrazione dell'Identity Provider del proprio ente. I partecipanti devono avere adeguate conoscenze tecniche di Linux e di Ansible, oltre ad una conoscenza di base dell'autenticazione federata e di Shibboleth Identity Provider. 

  • Buona conoscenza Linux (competenze operative: essere in grado di installare e amministrare servizi su piattaforma Linux); 
  •  Buona conoscenza di un editor di testo a linea di comando (Vim, Nano, Emacs, …) o visuale (Visual Studio Code); 
  •  Conoscenza di base del funzionamento di un Identity Provider e del protocollo SAML 2.0. 
  •  Conoscenza di base di Shibboleth IdP (competenze operative: essere in grado di configurare e amministrare il software 
  •  Conoscenza di base di Ansible (essere in grado di modificare un file YAML, scrivere ed eseguire semplici playbook); 

Dotazione dei partecipanti: Un computer con un client SSH per l'accesso all'ambiente di lavoro; 

Posti a disposizione: 30 (fino a un massimo di 40) 

Data: 12 maggio 2025

Tipo di corso: in presenza

Orario: 10:00-13:00 - 14:30-16:30

Sede: Aula A, Dipartimento di InformaticaCampus Universitario "Ernesto Quagliariello" Via E. Orabona, 4 - Bari

Docente

Paola Celio: è tecnico informatico presso l'Università degli Studi Roma Tre dal 2002, con una solida esperienza nello sviluppo e nella ricerca. Ha contribuito allo sviluppo di simulazioni in Python per LAMMPS, alla gestione del database ATLAS e all'implementazione dell'esperimento DarkSide. Dal 2018 insegna Python al Dipartimento di Matematica e Fisica, al Dipartimento di Scienze e nel Master in Data Analytics. La sua principale best practice consiste nell'analisi dei dati, con un'attenzione particolare alla ricerca di anomalie e informazioni significative.

Abstract:

Il corso introduce i fondamenti dell'Intelligenza Artificiale (AI) e del Machine Learning (ML) e il loro utilizzo nell'ambito delle reti. I partecipanti acquisiranno una panoramica su come gli algoritmi di AI e ML possano migliorare le prestazioni, l'affidabilità e la sicurezza delle infrastrutture di rete. Il programma copre i concetti di base, gli algoritmi essenziali e un caso d’uso pratico, offrendo agli studenti un'esperienza diretta nell'implementazione di soluzioni AI/ML per affrontare sfide reali nel networking.


Programma:

  1. Panoramica rapida di AI e ML (1 ora):
    • Definizioni essenziali e distinzioni
    • Breve panoramica dell'apprendimento supervisionato e non supervisionato
  2. Applicazioni AI/ML nelle reti (1 ora):
    • Panoramica delle sfide moderne nelle reti
    • Previsione del traffico e gestione della congestione
  3. Sicurezza delle reti con AI/ML (1 ora):
    • Rilevamento di intrusioni e anomalie
    • Casi d'uso reali sulla sicurezza
  4. Sessione pratica hands-on (1,5 ore):
    • Introduzione a strumenti e framework AI/ML (es. TensorFlow)
    • Brevi esercizi pratici e discussione di casi studio
  5. Tendenze emergenti ed etica (0,5 ore):
    • Direzioni future nelle reti guidate dall'AI
    • Considerazioni etiche e uso responsabile dell'AI


Livello del corso:
 base/intermedio

A chi è rivolto: Persone interessate a partecipare ai nuovi obiettivi disponibili in questa era digitale.

Pre-requisiti: Conoscenza base di informatica e alcune basi di linguaggio di programmazione (verrà utilizzato Python)

Dotazione dei partecipanti: Python >=3.7, Anaconda e un Account Google per accedere a Colab

Posti a disposizione: 50 

Accessibility

Background Colour Background Colour

Font Face Font Face

Font Kerning Font Kerning

Font Size Font Size

1

Image Visibility Image Visibility

Letter Spacing Letter Spacing

0

Line Height Line Height

1.2

Link Highlight Link Highlight

Text Alignment Text Alignment

Text Colour Text Colour

Paragraph Width Paragraph Width

0