Corso | INGEGNERIA ELETTRICA ED ELETTRONICA LM-29 |
Curriculum | Circuiti e sistemi elettronici |
Anno Accademico | 2023/2024 |
Anno | 2 |
Crediti | 6 |
Ore aula | 48 |
Settore Scientifico Disciplinare | ING-INF/01 - ELETTRONICA |
Attività formativa | A scelta dello studente |
Ambito | A scelta dello studente |
Responsabile | MASSIMO MERENDA |
Crediti | 6 |
Semestre | Secondo Ciclo Semestrale |
Programma del corso:
1. Introduzione all'IoT e Edge Computing (4 ore)
• Definizione e panoramica dell'IoT (1 ora)
• Concetti di base dell'Edge Computing (2 ore)
• Vantaggi dell'Edge Machine Learning (1 ora)
2. Fondamenti di Machine Learning (8 ore)
• Concetti di base: apprendimento supervisionato, non supervisionato e per rinforzo (3 ore)
• Algoritmi di apprendimento comuni: regressione, classificazione, clustering (3 ore)
• Valutazione delle prestazioni del modello (2 ore)
3. Tecniche di Machine Learning per l'IoT (8 ore)
• Algoritmi leggeri adatti per dispositivi a bassa potenza (3 ore)
• Tecniche di riduzione della dimensionalità (2 ore)
• Apprendimento federato e distribuito (3 ore)
4. Ottimizzazione per Edge Devices (8 ore)
• Tecniche di quantizzazione e pruning (3 ore)
• Implementazione di modelli su FPGA e microcontrollori (3 ore)
• Uso di framework specifici come TensorFlow Lite e TinyML (2 ore)
5. Sicurezza e Privacy nel Edge Machine Learning (6 ore)
• Minacce e sfide nella sicurezza dell'IoT (2 ore)
• Tecniche di difesa e rilevamento delle minacce (2 ore)
• Privacy-preserving machine learning (2 ore)
6. Casi di studio e Applicazioni Pratiche (6 ore)
• Rilevamento di anomalie in reti IoT (2 ore)
• Predizione del consumo energetico (2 ore)
• Riconoscimento vocale e visivo su dispositivi edge (2 ore)
7. Laboratorio e Progetto Pratico (8 ore)
• Implementazione di un modello di machine learning su un dispositivo IoT (4 ore)
• Ottimizzazione e valutazione delle prestazioni (2 ore)
Ultimo aggiornamento: 28-09-2023
Bibliografia consigliata:
Ultimo aggiornamento: 28-09-2023
Il corso "EDGE MACHINE LEARNING PER DISPOSITI IoT" intende offrire agli studenti un'approfondita attività teorica e pratica finalizzata all'acquisizione di strumenti, tecniche e metodologie per la progettazione, l'implementazione e la valutazione di soluzioni di machine learning applicate ai dispositivi IoT al bordo della rete. Questi concetti si integrano e ampliano gli aspetti teorici affrontati in altri corsi fondamentali di elettronica.
Gli studenti avranno l'opportunità di analizzare il funzionamento di dispositivi IoT, sistemi di sviluppo a microcontrollore e tecniche di edge machine learning, sviluppando la capacità di progettare in autonomia soluzioni efficienti per l'elaborazione dei dati al bordo della rete.
a seguito del superamento dell’esame, lo studente conosce le tecniche e gli strumenti per la progettazione di soluzioni di machine learning per dispositivi IoT. Conosce inoltre le sfide e le opportunità dell'edge computing e dell'apprendimento al bordo della rete.
dopo aver superato l'esame, lo studente è in grado di progettare, implementare e valutare soluzioni di machine learning per dispositivi IoT, utilizzando appositi linguaggi di programmazione e framework. Ha anche la capacità di analizzare e ottimizzare le prestazioni di tali soluzioni in contesti reali.
per il superamento dell'esame, lo studente deve presentare un progetto che prevede attività di progettazione, implementazione e valutazione di una soluzione di edge machine learning. Attraverso questo lavoro, lo studente sviluppa autonomia di giudizio sulla qualità, l'efficienza e la pertinenza della soluzione proposta.
è in grado di spiegare le motivazioni teoriche e tecniche alla base delle soluzioni di edge machine learning proposte, e di lavorare efficacemente in team, condividendo conoscenze e competenze.
a seguito del superamento dell’esame, lo studente è in grado di esplorare in autonomia ulteriori tecniche e approcci nel campo dell'edge machine learning e di applicare le conoscenze acquisite a nuovi contesti e sfide tecnologiche.
Ultimo aggiornamento: 28-09-2023
Conoscenze di elettronica e di programmazione.
Consigliata esperienza nella programmazione di microcontrollori.
Ultimo aggiornamento: 28-09-2023
Le attività didattiche si articolano in lezioni frontali ed in esercitazioni, laboratori e seminari.
La frequenza è fortemente consigliata vista la natura laboratoriale del corso.
Ultimo aggiornamento: 28-09-2023
Le lezioni si svolgeranno al 2° semestre presso il Laboratorio di Elettronica, 2° piano
Ultimo aggiornamento: 28-09-2023
Gli esami di accertamento e di valutazione consistono in:
Il voto finale è la media aritmetica dei voti conseguiti nelle due prove.
Ai fine del superamento dell’esame con votazione minima di 18/30 è necessario che le conoscenze/competenze della materia siano almeno ad un livello elementare. E’ attribuito un voto compreso fra 20/30 e 24/30 quando lo studente sia in grado di svolgere correttamente gli elaborati ma possegga competenze elementari nella discussione degli stessi e nell'accertamento della comprensione degli argomenti del corso. E’ attribuito un voto compreso fra 25/30 e 30/30 quando lo studente sia in grado di svolgere correttamente gli elaborati e dimostri buone competenze nella discussione degli stessi e nell'accertamento della comprensione degli argomenti del corso. Agli studenti che abbiano acquisito competenze eccellenti nelle tre prove può essere attribuita la lode.
Ultimo aggiornamento: 28-09-2023
GOAL 4, 7, 9, 11, 13
Ultimo aggiornamento: 28-09-2023
Cerca nel sito
Posta Elettronica Certificata
Direzione
Tel +39 0965.1693217/3252
Fax +39 0965.1693247
Protocollo
Tel +39 0965.1693422
Fax +39 0965.1693247
Didattica e orientamento
Tel +39 0965.16933385
Fax +39 0965.1693247
Segreteria studenti
Tel +39 0965.1691475
Fax +39 0965.1691474
Amministrazione
Tel +39 0965.1693214
Fax +39 0965.1693247
Ricerca
Tel +39 0965.1693422
Fax +39 0965.1693247