Introduzione e informazioni sul corso

Organizzazione del Laboratorio

• Due turni settimanali
• Il contenuto della lezione e dell’esercitazione settimanale del laboratorio è il medesimo per entrambi i turni
• La gestione della partecipazione ai turni è demandata al prof. Viroli
• Nello stesso giorno avrete sia OOP che OS

Primo Turno (iniziale cognome nell’intervallo [A-Manp])

• Lunedì, 9:00 - 13:00
• Lab. 2.2, Campus Cesena

Secondo Turno (iniziale cognome nell’intervallo [Manq-Z])

• Martedì, 13:00 - 17:00
• Lab. 2.2, Campus Cesena

Docente del modulo di laboratorio

Prof. Danilo Pianini

• mail: danilo.pianini@unibo.it
• ricevimento: su appuntamento, da concordare via mail

🚧 Assistenti alla didattica 🚧

• ⏳ Valido fino al 30/09, sarà poi aggiornato con i nuovi riferimenti
• 📢 Il laboratorio del 29/30 settembre sarà tenuto da Farabegoli e da uno dei nuovi tutor (non Baiardi)

Ing. Martina Baiardi

• mail: m.baiardi@unibo.it
• ricevimento: su appuntamento, da concordare via mail

Ing. Nicolas Farabegoli

• mail: nicolas.farabegoli@unibo.it
• ricevimento: non disponibile

‼️ Regole di ingaggio

1. 📝 Si utilizzi il forum del corso per qualunque dubbio tecnico
2. 📨 Si utilizzi l’email solo per discutere argomenti strettamente personali
   • ❗ Un esercizio che non riuscite a risolvere non è un problema strettamente personale
3. 📌 Se si invia una email, si mettano in copia tutti i docenti e gli assistenti

Il Laboratorio

• Consente di mettere in pratica quanto visto nelle lezioni in aula
  • lo studente affronta gli esercizi in prima persona
  • approccio cooperativo: lo studente può (ed è invitato a) richiedere il supporto diretto dei pari, dei tutor, e del docente
    • Gli LLM non rientrano fra i pari e non dovrebbero essere consultati
• Integra ed espande i contenuti affrontati in aula
  • Introduce nuovi argomenti (non affrontati in aula!)
    • Strumenti, metodologie, pratiche, librerie…
  • Fondamentale per arrivare preparati all’esame, e soprattutto per riuscire a fare un buon progetto

Organizzazione di ciascun turno di laboratorio

1. Lezione Frontale (40-80 min)
   • Introduce nuovi concetti non visti in aula
2. Esercitazione
   • Un set di esercizi da svolgere in autonomia
   • Evocando il docente in caso di difficoltà
   • Chiedendo sempre ai docenti una correzione finale

Pause

Da che termina la parte iniziale, siamo in modalità “pausa dinamica”: potete entrare e uscire dall’aula a piacimento

• Una sola regola: se siete in lab, allora state lavorando
  • Se avete fame, sete, necessità fisiologiche, voglia di una pausa, voglia di andare su TikTok, bisogno di fare una partita a Fortnite…
    no problem: uscite e rientrate
  • Motivo: distrae moltissimo avere persone intorno che fanno cose decisamente più divertenti che scervellarsi su un esercizio

Svolgimento di ciascun esercizio

1. Lettura attenta della consegna
   • Contattare un docente in caso di dubbi
2. Svolgimento dell’esercizio
   • Attraverso esecuzione precisa dei passi riportati nella consegna
   • Contattare un docente in caso di difficoltà
3. Segnalazione al docente/tutor del avvenuto completamento
   • La correzione è fondamentale!
     • Nella correzione, progressivamente, vi verranno dati suggerimenti per passare da “qualcosa che funziona” a qualcosa di ben fatto!
     • Ricordate che in OOP “funziona” non è una metrica di qualità sufficiente

Chiarimenti e spiegazioni dopo il laboratorio

Per chiarimenti, ulteriori delucidazioni e spiegazioni fuori dall’orario di laboratorio si incoraggia l’uso del Forum del Corso

• link accessibile dal sito del corso su Virtuale
• da preferire all’email inviata direttamente al/ai docente/i

Riguardo il forum

• Il dubbio di uno studente, probabilmente, è anche il dubbio di qualcun altro (condivisione)
• Gli studenti possono aiutarsi (discussione)
• Aiutare i colleghi sul forum è valutato positivamente

Riguardo l’email

• L’email resta il canale da utilizzare per comunicazioni confidenziali
  • con l’accortezza di mettere sempre in copia tutti i docenti del corso

LLM e strumenti di AI

Esistono strumenti di intelligenza artificiale (tipicamente Large Language Models, LLM) che possono essere utilizzati per generare codice.

• Allenati a partire da grandi quantità di codice sorgente preesistente
  • Soggetti al problema “garbage in, garbage out”
  • Risolvono molto bene problemi semplici
  • Spesso commettono errori in problemi complessi
• Fruibili via web o integrati dentro l’ambiente di sviluppo
• Usati sempre di più, anche in contesti professionali
  • Con risultati variabili

In questo corso: vietati

• Non sono consentiti in lab
• Non sono consentiti a casa
• Non saranno disponibili per l’esame
  • E sono abbastanza riconoscibili usando la similarità fra progetti, per la quale abbiamo strumenti che già usiamo

Motivazione

Sono strumenti potentissimi, ma è necessario saperli usare criticamente, altrimenti:

• Possono ostacolare e rallentare l’apprendimento
• Possono generare codice di bassa qualità (con bug, inefficienze, o problemi di stile che non riconoscete)
  • Stanno nascendo aziende e professionisti di “AI code cleanup”
  • Pare che possano accelerare lo sviluppo in piccoli progetti per sviluppatori inesperti, ma studi su progetti complessi con sviluppatori esperti rilevano un rallentamento dello sviluppo del 19%
• Possono usare parti del linguaggio che ancora non potete conoscere
  • Ergo, generare codice non ancora comprensibile

Linus Torvalds, creatore di Linux, commentando un contributo contenente codice generato da un LLM

Contenuti

• Java toolchain (java, javac, jar, etc.)
• VSCode IDE, strumenti di debug
• Rudimenti di build automation con Gradle
• Controllo di versione
• Documentazione (Javadoc)
• Testing (JUnit)
• Controllo di qualità del codice
• Programmazione multipiattaforma
• Profiling
• Sviluppo di GUI con JavaFX

Obiettivi e struttura del percorso

Acquisire le competenze necessarie per diventare:

• ottimi programmatori
• discreti progettisti

Il percorso

Il corso di laboratorio ha difficoltà crescente (superlinearmente, ossia diventa sempre più impegnativo sempre più velocemente)

• Le consegne e il codice passeranno in inglese
• Richiederemo capacità di analisi di trade-off di soluzioni alternative
• Richiederemo sempre maggior qualità
• Useremo strumenti via via più avanzati

Fondamentale: impegno e mettersi in gioco

È un corso molto impegnativo – lo sappiamo dalle valutazioni degli anni passati, e pensiamo sia giusto che lo sia…

• Richiede attenzione in aula, impegno in laboratorio, e pratica anche a casa
  • Purtroppo è difficile recuperare se si resta indietro, la disciplina aiuta!
• Non fermatevi quando “funziona”, ma solo quando avete capito perché funziona
• Dai docenti avrete il massimo supporto ✊, ma il risultato dipende da voi!

Consiglio per chi conosce già Java o altri linguaggi OO/OB (come C#, Javascript, Python, Ruby…)

Impegnarsi fin dall’inizio, anche se nelle prime lezioni sembra facile, e restare sul pezzo!

• Assumere di conoscere già OOP rischia di essere molto controproducente
  • Specialmente se si conosce un solo linguaggio OO!

Introduzione e informazioni sul corso