Descrizione
L’ Intelligenza Artificiale (AI), considerata solo pochi anni fa una disciplina di nicchia, relegata allo stretto ambito della ricerca, ha subito una rapidissima evoluzione ed offre ora un ampio spettro di soluzioni innovative che hanno già avuto ed avranno sempre più un forte impatto in ambiti industriali e produttivi oltre che scientifico-culturali. Grazie all’uso di potenti strumenti di supporto decisionale attivo e sofisticate tecniche di ottimizzazione dei processi, attuare innovazione tramite AI significa dare una forte accelerazione al miglioramento dell’organizzazione interna (amministrativo, produzione, controllo di gestione) e all’aumento dell’attrattività commerciale sul mercato.
Lo sviluppo di competenze nell’ambito dell’intelligenza artificiale è quindi strategico per il successo delle iniziative nelle imprese che intendono superare l’esperienza dei progetti pilota ed entrare nella fase operativa, in una logica di sviluppo diffuso dell’intelligenza artificiale, che consente di realizzare maggior valore aziendale.
DOVE E QUANDO
IN ARRIVO
PROGRAMMA
MODULO 1 ARGOMENTI INTRODUTTIVI E FONDAMENTI
- Intelligenza Artificiale: definizione e obiettivi
- Aree disciplinari e Applicazioni
- Sviluppo storico
- Agenti razionali, Machine Learning
- Sistemi Intelligenti per il Riconoscimento Automatico: Clustering e Classificazione dei dati
- Neural Computing e Deep Learning
- Fasi di progettazione di un sistema di un Sistema Intelligente e condizioni di applicabilità:
- Data Collection
- Addestramento
- Validazione
MODULO 2 MACHINE LEARNING
- Classificazione Automatica, Apprendimento da Esempi, Analisi di Dati Multidimensionali
- Estrazione e Selezione di Features per approcci di Machine Learning feature-Based
- Approcci statistici e di base per la classificazione supervisionata di dati multidimensionali; analisi critica di limiti e vantaggi di tali tecniche in ambiti applicativi
- Neural Computing: Principi di Base, Tassonomia
- Modelli Neurali feed forward
- Progettazione e valutazione dell’accuratezza nelle fasi di addestramento e generalizzazione
- Analisi di dati non supervisionati – Algoritmi di Clustering flat e gerarchici
- Competitive Learning, Self Organizing feature map
MODULO 3 INTRODUZIONE AL DEEP LEARNING
- Introduzione al Deep Learning
- Convolutional Neural Networks (CNN): concetti base e condizioni di applicabilità
- Progettare soluzioni basate su CNN
- Soft Computing
- Metriche per la Valutazione di accuratezza di Sistemi Intelligenti
MODULO 4 PHYTON PER IL ML E IL DP
- Presentazione delle risorse di ML e Deep Learning in ambiente Python
- Sviluppo di progetti
- AI: Esercitazione / lavoro di gruppo
- Laboratorio: elaborazione di use case portati dai partecipanti
- Conclusioni
DOCENTI
• Prof.ssa Elisabetta Binaghi, Dipartimento di Scienze Teoriche e Applicate, Università degli Studi dell’Insubria
• Gloria Gonella, PhD, Docente MIUR
• Mirko Puliafito, CEO Digitiamo
