Questo sito utilizza cookie tecnici e di terze parti. Se vuoi saperne di più o negare il consenso consulta l'informativa sulla privacy. Proseguendo la navigazione o cliccando su "Chiudi" acconsenti all'uso dei cookie. Chiudi
| Corso | Ingegneria Informatica e dei sistemi per le Telecomunicazioni |
| Curriculum | Curriculum unico |
| Orientamento | Reti ed applicazioni |
| Anno Accademico | 2022/2023 |
| Crediti | 6 |
| Settore Scientifico Disciplinare | ING-INF/05 |
| Anno | Secondo anno |
| Unità temporale | Primo semestre |
| Ore aula | 48 |
| Attività formativa | Attività formative affini ed integrative |
| Docente | CARLO ROMEO |
| Obiettivi | L’obiettivo primario del corso è quello di fornire agli studenti le basi teoriche e pratiche per l’uso dell’intelligenza artificiale nell’ambito dell’analisi dei dati. Autonomia di giudizio: a seguito del superamento dell’esame, lo studente sarà in grado di valutare le diverse alternative in fase di analisi e progettazione di sistemi di IA. Le alternative saranno valutate in base all’analisi dei dati a disposizione, dei desiderata e della potenza computazionale a disposizione per le fasi di inferenza. Abilità comunicative: nella fase di progettazione e realizzazione delle soluzioni, l'esperto di IA deve interfacciarsi con esperti di differenti domini. È cruciale dunque essere in grado di comprendere i desiderata e le caratteristiche del dominio. È similmente importante essere in grado di comunicare le motivazioni alla base delle scelte progettuali intraprese. Capacità di apprendimento: durante il corso lo studente studia su documentazione tecnica, soprattutto in lingua inglese, con lo scopo principale di acquisire la capacità di aggiornare continuamente le proprie conoscenze ed essere pronto ad applicare questa metodologia di studio anche per le nuove tecnologie. Modalità di accertamento e valutazione. Gli esami di accertamento e di valutazione consistono in una prova progettuale e in una prova orale. La prova progettuale, da svolgersi in singolo o in gruppo, è basata sulla realizzazione di una soluzione AI-based. Gli studenti devono dimostrare di essere in grado di effettuare correttamente tutte le fasi, motivando le decisioni prese e presentando opportunamente i risultati ottenuti. La prova orale ha l’obiettivo di discutere il progetto realizzato e di valutare la conoscenza, da parte dello studente, del programma del corso. Al termine della prova orale allo studente viene attribuito un voto massimo 30L/30. Griglia di valutazione 30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti; 20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite; <18 Insufficiente: lo studente non possiede una conoscenza accettabile degli argomenti trattati durante il corso. |
| Programma | N.D. |
| Testi docente | N.D. |
| Erogazione tradizionale | No |
| Erogazione a distanza | No |
| Frequenza obbligatoria | No |
| Valutazione prova scritta | No |
| Valutazione prova orale | No |
| Valutazione test attitudinale | No |
| Valutazione progetto | No |
| Valutazione tirocinio | No |
| Valutazione in itinere | No |
| Prova pratica | No |
| Docente | GIANLUCA LAX |
| Obiettivi | L’obiettivo primario del corso è quello di fornire agli studenti le basi teoriche e pratiche per l’uso dell’intelligenza artificiale nell’ambito dell’analisi dei dati. Autonomia di giudizio: a seguito del superamento dell’esame, lo studente sarà in grado di valutare le diverse alternative in fase di analisi e progettazione di sistemi di IA. Le alternative saranno valutate in base all’analisi dei dati a disposizione, dei desiderata e della potenza computazionale a disposizione per le fasi di inferenza. Abilità comunicative: nella fase di progettazione e realizzazione delle soluzioni, l'esperto di IA deve interfacciarsi con esperti di differenti domini. È cruciale dunque essere in grado di comprendere i desiderata e le caratteristiche del dominio. È similmente importante essere in grado di comunicare le motivazioni alla base delle scelte progettuali intraprese. Capacità di apprendimento: durante il corso lo studente studia su documentazione tecnica, soprattutto in lingua inglese, con lo scopo principale di acquisire la capacità di aggiornare continuamente le proprie conoscenze ed essere pronto ad applicare questa metodologia di studio anche per le nuove tecnologie. Modalità di accertamento e valutazione. Gli esami di accertamento e di valutazione consistono in una prova progettuale e in una prova orale. La prova progettuale, da svolgersi in singolo o in gruppo, è basata sulla realizzazione di una soluzione AI-based. Gli studenti devono dimostrare di essere in grado di effettuare correttamente tutte le fasi, motivando le decisioni prese e presentando opportunamente i risultati ottenuti. La prova orale ha l’obiettivo di discutere il progetto realizzato e di valutare la conoscenza, da parte dello studente, del programma del corso. Al termine della prova orale allo studente viene attribuito un voto massimo 30L/30. Griglia di valutazione 30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti; 20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite; <18 Insufficiente: lo studente non possiede una conoscenza accettabile degli argomenti trattati durante il corso. |
| Programma | Artificial Intelligence e Machine Learning Tipologie di Sistemi di Machine Learning Classificazione e Regressione Valutazione di Classificatori e regressori Underfitting/Overfitting e Regularization Preprocessamento dei dati K-nearest neighbors Regressione Lineare Algoritmo del gradiente discendente Regressione Logistica Support Vector Machine Lineari e non Lineari Decision Tree Ensemble learning Random forest Reti neurali Deep Learning Reti Neurali Convoluzionali Reti Neurali Ricorrenti Cenni su: Reti neurali ricorrenti Long-Short Term Memory Gated Recurrent Unit Autoencoder Generative Adversarial Network Federated Learning |
| Testi docente | Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'REILLY |
| Erogazione tradizionale | Sì |
| Erogazione a distanza | No |
| Frequenza obbligatoria | No |
| Valutazione prova scritta | No |
| Valutazione prova orale | Sì |
| Valutazione test attitudinale | No |
| Valutazione progetto | Sì |
| Valutazione tirocinio | No |
| Valutazione in itinere | No |
| Prova pratica | No |
| Docente | Lorenzo MUSARELLA |
| Obiettivi | L’obiettivo primario del corso è quello di fornire agli studenti le basi teoriche e pratiche per l’uso dell’intelligenza artificiale nell’ambito dell’analisi dei dati. Autonomia di giudizio: a seguito del superamento dell’esame, lo studente sarà in grado di valutare le diverse alternative in fase di analisi e progettazione di sistemi di IA. Le alternative saranno valutate in base all’analisi dei dati a disposizione, dei desiderata e della potenza computazionale a disposizione per le fasi di inferenza. Abilità comunicative: nella fase di progettazione e realizzazione delle soluzioni, l'esperto di IA deve interfacciarsi con esperti di differenti domini. È cruciale dunque essere in grado di comprendere i desiderata e le caratteristiche del dominio. È similmente importante essere in grado di comunicare le motivazioni alla base delle scelte progettuali intraprese. Capacità di apprendimento: durante il corso lo studente studia su documentazione tecnica, soprattutto in lingua inglese, con lo scopo principale di acquisire la capacità di aggiornare continuamente le proprie conoscenze ed essere pronto ad applicare questa metodologia di studio anche per le nuove tecnologie. Modalità di accertamento e valutazione. Gli esami di accertamento e di valutazione consistono in una prova progettuale e in una prova orale. La prova progettuale, da svolgersi in singolo o in gruppo, è basata sulla realizzazione di una soluzione AI-based. Gli studenti devono dimostrare di essere in grado di effettuare correttamente tutte le fasi, motivando le decisioni prese e presentando opportunamente i risultati ottenuti. La prova orale ha l’obiettivo di discutere il progetto realizzato e di valutare la conoscenza, da parte dello studente, del programma del corso. Al termine della prova orale allo studente viene attribuito un voto massimo 30L/30. Griglia di valutazione 30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti; 20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite; <18 Insufficiente: lo studente non possiede una conoscenza accettabile degli argomenti trattati durante il corso. |
| Programma | Introduzione a Python Numpy Pandas Matplotlib Web scraping - Selenium Clustering e algoritmi di clustering |
| Testi docente | Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'REILLY Materiale del docente |
| Erogazione tradizionale | Sì |
| Erogazione a distanza | No |
| Frequenza obbligatoria | No |
| Valutazione prova scritta | No |
| Valutazione prova orale | Sì |
| Valutazione test attitudinale | No |
| Valutazione progetto | Sì |
| Valutazione tirocinio | No |
| Valutazione in itinere | No |
| Prova pratica | No |
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
Social
