Silvia SCARPETTA | L'INTELLIGENZA ARTIFICIALE PER LO SVILUPPO SOSTENIBILE
Silvia SCARPETTA L'INTELLIGENZA ARTIFICIALE PER LO SVILUPPO SOSTENIBILE
cod. 0512900031
L'INTELLIGENZA ARTIFICIALE PER LO SVILUPPO SOSTENIBILE
| 0512900031 | |
| DIPARTIMENTO DI FISICA "E.R. CAIANIELLO" | |
| CORSO DI LAUREA | |
| SCIENZE E NANOTECNOLOGIE PER LA SOSTENIBILITÀ | |
| 2024/2025 |
| ANNO CORSO 3 | |
| ANNO ORDINAMENTO 2022 | |
| SECONDO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| FIS/02 | 6 | 48 | LEZIONE |
| Obiettivi | |
|---|---|
| L'INSEGNAMENTO HA L'OBIETTIVO DI INTRODURRE I CONCETTI FONDAMENTALI DI INTELLIGENZA ARTIFICIALE E DELLE SUE APPLICAZIONI PER LO SVILUPPO SOSTENIBILE. CONOSCENZA E CAPACITÀ DI COMPRENSIONE L’INSEGNAMENTO SI PREFIGGE DI FORNIRE I MEZZI NECESSARI ALLO STUDENTE PER LA COMPRENSIONE DI CONCETTI FONDAMENTALI NEL CAMPO DEL MACHINE LEARNING E INTELLIGENZA ARTIFICIALE, QUALE L'APPRENDIMENTO SUPERVISIONATO E NON-SUPERVISIONATO DELLE RETI NEURALI E LA DIFFERENZA TRA LE SHALLOW NETWOKS E LE DEEP LEARNING NETWORKS. SI PROPONE INOLTRE DI PROPORRE DIVERSI TIPI DI APPLICAZIONI IN DIVERSI AMBITI, QUALI LA CONSERVAZIONE DELLE RISORSE, LA RIDUZIONE DELLE EMISSIONI, LA GESTIONE DEI FLUSSI DI TRAFFICO E DEI RELATIVI RISCHI, IL RAFFORZAMENTO DELL’ECONOMIA CIRCOLARE E LA PREVENZIONE DEI DISASTRI NATURALI. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE LO STUDENTE SARÀ IN GRADO DI APPLICARE LE CONOSCENZE ACQUISITE A UNA VASTA GAMMA DI APPLICAZIONI, APPLICANDO LE RETI NEURALI E L INTELLIGENZA ARTIFICALE A DIVERSI TASK UTILI PER LA SOSTENIBILITÀ.. AUTONOMIA DI GIUDIZIO SAPER INDIVIDUARE I METODI PIÙ APPROPRIATI PER ANALIZZARE I PROBLEMI PROPOSTI. ABILITÀ COMUNICATIVE SAPER DESCRIVERE IN MODO CHIARO E SINTETICO ED ESPORRE ORALMENTE CON PROPRIETÀ DI LINGUAGGIO GLI OBIETTIVI, IL PROCEDIMENTO ED I RISULTATI DELLE ELABORAZIONI EFFETTUATE. CAPACITÀ DI APPRENDIMENTO ESSERE IN GRADO DI APPLICARE LE CONOSCENZE ACQUISITE A CONTESTI DIFFERENTI DA QUELLI PRESENTATI DURANTE IL CORSO, ED APPROFONDIRE GLI ARGOMENTI TRATTATI USANDO MATERIALI DIVERSI DA QUELLI PROPOSTI. |
| Prerequisiti | |
|---|---|
| NESSUN PREREQUISITO |
| Contenuti | |
|---|---|
| INTRODUZIONE AI CONCETTI FONDAMENTALI NEL CAMPO DEL MACHINE LEARNING E INTELLIGENZA ARTIFICIALE. APPRENDIMENTO SUPERVISIONATO E NON-SUPERVISIONATO DELLE RETI NEURALI. DIFFERENZA TRA LE SHALLOW NETWOKS E LE DEEP LEARNING NETWORKS. IL CORSO SI PROPONE INOLTRE DI PROPORRE DIVERSI TIPI DI APPLICAZIONI IN DIVERSI AMBITI, QUALI AD ESEMPIO L'AGRICOLTURA , IL MONITORAGGIO DEL RISCHIO DI EVENTI CATASTROFI, CONSERVAZIONE DELLE RISORSE, LA RIDUZIONE DELLE EMISSIONI, LA GESTIONE DEI FLUSSI DI TRAFFICO E DEI RELATIVI RISCHI, ENERGIA, GESTIONE DELL ACQUA, IL RAFFORZAMENTO DELL’ECONOMIA CIRCOLARE E LA PREVENZIONE DEI DISASTRI NATURALI. |
| Metodi Didattici | |
|---|---|
| LEZIONI FRONTALI E ESERCITAZIONI. LE LEZIONI FRONTALI CONSENTIRANNO ALLO STUDENTE DI ACQUISIRE LE CONOSCENZE TEORICHE NECESSARIE SULLE MODERNE TECNICHE DI MACHINE LEARNING E ILLUSTRERANNO LE DIVERSE OPPORTUNITA (E PROBLEMATICHE) DEL MACHINE LEARNING NEL CAMPO DELLA SOSTENIBILITÀ. LE ESERCITAZIONI ILLUSTRERANNO IL CODICE NECESSARIO A IMPLEMENTARE SEMPLICI RETI NEURALI (TIPO MULTI-LAYER-PERCEPTRON E SOM) PER ALCUNE SEMPLICI APPLICAZIONI. LE LEZIONI CONSENTIRANNO ALLO STUDENTE DI SVILUPPARE SPIRITO CRITICO E LE CAPACITÀ DI APPLICARE LE CONOSCENZE ACQUISITE. |
| Verifica dell'apprendimento | |
|---|---|
| IL RAGGIUNGIMENTO DEGLI OBIETTIVI DELL’INSEGNAMENTO È CERTIFICATO MEDIANTE IL SUPERAMENTO DELL' ESAME CON VALUTAZIONE IN TRENTESIMI. L'ESAME PREVEDE UN COLLOQUIO ORALE FINALIZZATO AD ACCERTARE IL LIVELLO DI CONOSCENZA E CAPACITÀ DI COMPRENSIONE RAGGIUNTO DALLO STUDENTE, NONCHÉ A VERIFICARE LA CAPACITÀ DI ESPOSIZIONE RICORRENDO ALLA TERMINOLOGIA APPROPRIATA E LA CAPACITÀ DI ORGANIZZAZIONE AUTONOMA DELL'ESPOSIZIONE. LA PROVA ORALE DURA CIRCA MEZZ'ORA. LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE ALL'ORALE DIMOSTRINO DI ESSERE IN GRADO DI APPLICARE CON ORIGINALITÀ LE CONOSCENZE E LE COMPETENZE ACQUISITE, CHE SAPPIANO QUINDI RAGIONARE AUTONOMAMENTE, |
| Testi | |
|---|---|
| 1) DEEP LEARNING GOODFELLOW ET AL MIT PRESS 2016 2)MANUALE SULLE RETI NEURALI FLOREANO 3)NEURAL COMPUTING - AN INTRODUCTION BY R. BEALE, TOM JACKSON 4)L’INTELLIGENZA ARTIFICIALE PER LO SVILUPPO SOSTENIBILE HTTPS://WWW.CNR.IT/SITES/DEFAULT/FILES/PUBLIC/MEDIA/ATTIVITA/EDITORIA/VOLUME%20FULL%2014%20DIGITAL%20LIGHT.PDF 5) AI IN THE WILD: SUSTAINABILITY IN THE AGE OF ARTIFICIAL INTELLIGENCE - MIT PRESS 2020 ARTICOLI DI REVIEW: - LEVERAGING EDGE ARTIFICIAL INTELLIGENCE FOR SUSTAINABLE AGRICULTURE. NATURE SUSTAINABILITY (2024) - MACHINE LEARNING FOR A SUSTAINABLE ENERGY FUTURE , NATURE |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-11-18]
