Laurea in Intelligenza Artificiale e Informatica

Obiettivi

L'obiettivo del corso è fornire allo studente gli strumenti algebrici necessari per elaborare soluzioni numeriche basate sull'intelligenza artificiale nel modo più efficiente possibile al fine di risolvere un problema posto.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB1 Gli studenti devono aver dimostrato di possedere e comprendere conoscenze in un’area di studio che parte dalle basi dell’istruzione secondaria generale e si colloca solitamente a un livello che, pur basandosi su libri di testo avanzati, include anche alcuni aspetti che richiedono conoscenze all’avanguardia nel proprio campo di studio

CB2 Gli studenti sappiano applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che vengono solitamente dimostrate attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi all’interno della propria area di studio

CB3 Che gli studenti abbiano la capacità di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CE1 Risolvere problemi astratti e complessi relativi all’intelligenza artificiale utilizzando metodi, tecniche e concetti matematici per progettare soluzioni digitali.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE18 Risolvere problemi matematici applicando metodi e algoritmi numerici per progettare soluzioni digitali basate sull’intelligenza artificiale.

Risultati di apprendimento

RA-1. Conoscere i principali teoremi di base dell’algebra lineare.

RA-2. Comprende il calcolo matriciale dal punto di vista concettuale fornito dagli spazi vettoriali e affini.

RA-3. Applica le conoscenze di algebra lineare per risolvere problemi che possono presentarsi nell’ingegneria.

RA-4. Padroneggia i concetti di base dei sistemi lineari per risolvere problemi tipici dell’ingegneria

Descrizione dei contenuti

Sistemi di equazioni lineari.

Spazi vettoriali.

Classificazione degli endomorfismi.

Diagonalizzazione degli endomorfismi.

Teoria dei grafi

Statistica e combinatoria.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività didattiche del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30%

SE2.- Prove finali di verifica delle conoscenze: 60%

SE3.- Quaderno delle esercitazioni di laboratorio: 10%

Obiettivi

L'obiettivo del corso è fornire allo studente gli strumenti statistici necessari per comprendere e approfondire la risoluzione dei problemi legati all'intelligenza artificiale.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB1 Gli studenti devono aver dimostrato di possedere e comprendere conoscenze in un’area di studio che parte dalle basi dell’istruzione secondaria generale e si colloca solitamente a un livello che, pur basandosi su libri di testo avanzati, include anche alcuni aspetti che richiedono conoscenze all’avanguardia nel proprio campo di studio

CB2 Gli studenti sappiano applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi all’interno della propria area di studio

CB3 Che gli studenti abbiano la capacità di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CE1 Risolvere problemi astratti e complessi relativi all’Intelligenza Artificiale utilizzando metodi, tecniche e concetti matematici per progettare soluzioni digitali.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE19 Conoscere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

RA-1 Applicare le tecniche, i metodi di rappresentazione e sintesi e le misure proprie della statistica descrittiva e della statistica inferenziale.

RA-2. Determina se un insieme di dati consente di accettare o rifiutare una specifica ipotesi e l’errore commesso nel farlo.

RA-3. Determina e quantifica il grado di associazione tra variabili statistiche.

Descrizione dei contenuti

Elementi dell’analisi dei dati

Statistica descrittiva: campioni e distribuzione delle caratteristiche campionarie.

Distribuzioni di probabilità

Variabili casuali

Modelli di inferenza statistica. Statistiche e loro proprietà fondamentali

Approccio frequentista: stima puntuale, per intervallo e verifica delle ipotesi

Approccio bayesiano: distribuzione a posteriori, intervalli credibili e test bayesiani.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30%

SE2.- Prove finali di verifica delle conoscenze: 60%

SE3.- Quaderno delle esercitazioni di laboratorio: 10%

Calendario

Clicca su questo link per scaricare il calendario dettagliato in formato Excel

Obiettivi

L'obiettivo del corso è fornire allo studente conoscenze di programmazione che gli servano come strumento di base per la risoluzione di problemi di informatica e intelligenza artificiale.

Prerequisiti

Non sono previsti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, comprendendone l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone provenienti da ambiti e discipline diverse nel perseguimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e le normative vigenti.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale al fine di sviluppare prototipi di soluzioni digitali.

CE14 Realizzare interfacce uomo-computer affinché i sistemi digitali offrano un’esperienza utente ottimale nel rispetto delle norme di accessibilità.

Risultati di apprendimento

Risolve problemi utilizzando un linguaggio di programmazione che si avvale di dati esterni e interagisce con un utente.

Progetta e scrive programmi che risolvano problemi utilizzando diverse tecniche algoritmiche.

Conosce la struttura fisica e quella funzionale di un computer.

Utilizza un linguaggio di basso livello di un microprocessore e risolve problemi con esso.

Conosce e valuta i diversi tipi di sistemi di archiviazione e il modo in cui questi influenzano le prestazioni di un sistema informatico.

Descrizione dei contenuti

Pensiero computazionale.

Algoritmi e sistemi di rappresentazione.

Tipi di dati ed espressioni.

Funzioni di input e output dei dati.

Strutture di controllo del flusso.

Gerarchia della memoria.

Valutazione delle prestazioni

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP11.- Sviluppo di progetti

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30%

SE2.- Prove finali di verifica delle conoscenze: 60%

SE4.- Portfolio: 10%

Obiettivi

L'obiettivo del corso è fornire allo studente le competenze trasversali necessarie per un perfetto inserimento nel mercato del lavoro, acquisendo strumenti che gli consentano una migliore risoluzione dei conflitti, gestione del lavoro di squadra, comunicazione, capacità oratorie e leadership.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria vocazione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio campo di studio) per formulare giudizi che includano una riflessione su temi rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

Risultati di apprendimento

Impara a comunicare con successo durante riunioni e conversazioni professionali.

Scrivi in modo efficace articoli, relazioni e messaggi e-mail.

Pianifica, prepara e tiene presentazioni commerciali.

Trasmette ai propri interlocutori le situazioni rilevanti nell’ambito professionale.

Esprimere il risultato del proprio lavoro o un messaggio professionale davanti a un pubblico.

Impara tecniche per stimolare la collaborazione e il lavoro di squadra, motivando i colleghi e orientando il team verso un obiettivo comune.

Previene, individua e risolve i conflitti interpersonali nell’ambiente professionale.

Descrizione dei contenuti

Comunicazione efficace

Presentazioni efficaci

Parlare in pubblico

Lavoro di squadra.

Gestione dei conflitti.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi

AP14.- Presentazioni orali

AP15.- Dibattiti

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 40%

SE2.- Prove finali di verifica delle conoscenze: 60%

Obiettivi

L'obiettivo del corso è fornire allo studente conoscenze in materia di statistica, grafi, logica, insiemi e teoria dei numeri, che gli consentano di risolvere problemi più complessi nell'ambito dell'informatica e dell'intelligenza artificiale.

Descrizione dei contenuti

Insiemi.

Logica

Teoria dei numeri

Funzioni

Teoria dei grafi

Statistica e combinatoria.

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività didattiche del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

Valutazione continua

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 40%

SE2.- Prove finali di verifica delle conoscenze: 60%

Esame ordinario

L'esame verterà sull'intero programma del corso e sarà superato con un punteggio di 5 su 10.

Esame straordinario

L’esame verterà sull’intero programma del corso e sarà superato ottenendo un punteggio di 5 su 10. Non saranno prese in considerazione né le note ottenute durante l’anno né quelle della valutazione ordinaria.

Bibliografia

Di base:

1.- Epp, Sussana

Matematica discreta con applicazioni (edizione spagnola)

Editore: Cengage Learning. 2011.

ISBN: 9786074816211

2.- Veerarajan, T.

Matematica discreta con teoria dei grafi e combinatoria

Ed. McGraw-Hill Interamericana. 2008.

ISBN: 9701065301

Letteratura complementare:

3.- Nakos, George

Algebra lineare con applicazioni

Madrid: Thomson, 1999. 1999.

ISBN: 9687529865

Obiettivi

L'obiettivo del corso è fornire allo studente le conoscenze di base sull'intelligenza artificiale, attraverso la progettazione di un'euristica adeguata a un dato problema.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio campo di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia.

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE1 Risolvere problemi astratti e complessi relativi all’Intelligenza Artificiale utilizzando metodi, tecniche e concetti matematici per progettare soluzioni digitali.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Conoscere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Comprende l’evoluzione storica dell’Intelligenza Artificiale.

Identifica le caratteristiche di un sistema intelligente

Identifica quale tipo di ricerca (cieca/euristica/tra avversari) sia più adeguata per affrontare la soluzione di un determinato problema e implementa tale meccanismo di ricerca.

Progetta un'euristica adeguata per un dato problema.

Identifica quale tipo di apprendimento (supervisionato, non supervisionato) sia più adatto a un dato problema e implementa la strategia di apprendimento più adeguata

Risolve problemi di varia complessità utilizzando tecniche di intelligenza artificiale.

Applica tecniche avanzate di intelligenza artificiale alla progettazione e allo sviluppo di applicazioni.

Descrizione dei contenuti

Introduzione all’Intelligenza Artificiale.

Tecniche di ricerca:

Apprendimento supervisionato:

Apprendimento non supervisionato: Reti semantiche e framework

Modellazione delle superfici.

Introduzione all'analisi statistica per grandi volumi di dati (Big Data).

Casi d'uso nelle organizzazioni.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi studio

AP14.- Presentazioni orali

AP15.- Dibattiti

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 20%

SE2.- Prove finali di verifica delle conoscenze: 60%

SE3.- Quaderno delle esercitazioni di laboratorio: 20%

Obiettivi

L'obiettivo del corso è ampliare le conoscenze degli studenti in materia di statistica per affrontare problemi computazionali più complessi.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio campo di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando modelli per proporre soluzioni e prendere decisioni.

CE1 Risolvere problemi astratti e complessi relativi all’Intelligenza Artificiale utilizzando metodi, tecniche e concetti matematici per progettare soluzioni digitali.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE19 Conoscere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

RA-1 Conosce i principi di base della progettazione sperimentale e dei modelli di regressione.

RA-2 Applica diverse tecniche e modelli per l’analisi dei dati multivariati.

RA-3 Gestisce gli elementi del controllo di qualità.

RA-4 Utilizza l’analisi e i modelli iniziali delle serie temporali per risolvere problemi di ingegneria di diversi livelli di difficoltà.

RA-5 È in grado di utilizzare software statistici e di interpretarne i risultati.

Descrizione dei contenuti

Tecniche di regressione e progettazione di esperimenti.

Analisi inferenziale multivariata e tecniche multivariate.

Controllo dei processi: analisi della qualità.

Serie temporali: modelli di base.

Applicazioni nel campo dell’Intelligenza Artificiale.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30%

SE2.- Prove finali di verifica delle conoscenze: 60%

SE3.- Quaderno delle esercitazioni di laboratorio: 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB5 Gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e la normativa vigenti.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

Risultati di apprendimento

Conoscere la tecnologia dei database

Apprende i concetti teorici del modello relazionale

Impara a programmare procedure di accesso ai database con il linguaggio SQL

Comprende i problemi e le esigenze legati alla gestione, all’acquisizione e all’archiviazione di grandi volumi di dati.

Sviluppare applicazioni che comportino la progettazione, l’implementazione e l’amministrazione di database

Acquisisci familiarità con i concetti di normalizzazione, progettazione e amministrazione dei database e la loro integrazione nei sistemi informativi.

Descrizione dei contenuti

Strutture dinamiche dei dati.

Algoritmi di ricerca e ordinamento.

Introduzione all'efficienza degli algoritmi.

Analisi dell'efficienza degli algoritmi.

Applicazione delle strutture dati alla risoluzione dei problemi.

Progettazione di algoritmi.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP12.- Risoluzione di sfide

AP14.- Presentazioni orali

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Prove di verifica delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 40%

SE2.- Prove finali di verifica delle conoscenze 60%

Obiettivi

Introdurre lo studente alla programmazione orientata agli oggetti (OOP) con Python. Comprendere i fondamenti dell'OOP e applicarli nella creazione di programmi.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, comprendendone l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone provenienti da ambiti e discipline diverse nel perseguimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e le normative vigenti.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale, al fine di sviluppare prototipi di soluzioni digitali.

CE14 Realizzare interfacce uomo-computer affinché i sistemi digitali offrano un’esperienza utente ottimale nel rispetto delle norme di accessibilità.

Risultati di apprendimento

Conosce i principi della programmazione orientata agli oggetti.

Comprende il funzionamento degli elementi della programmazione orientata agli oggetti.

Comprende come funzionano le classi e come è possibile creare istanze a partire da esse.

Implementa e richiama metodi. Comprende il loro scopo all’interno delle classi.

Definire gli attributi di istanza e gli attributi di classe. Imparare le loro differenze.

Utilizza l'ereditarietà per riutilizzare il codice, migliorare la progettazione ed evitare la ripetizione.

Esercitarsi con gli aspetti chiave della programmazione orientata agli oggetti.

Applica la programmazione orientata agli oggetti nel linguaggio Python.

Descrizione dei contenuti

Introduzione alla programmazione orientata agli oggetti.

Incapsulamento ed ereditarietà.

Polimorfismo.

Astrazione.

Gestione delle eccezioni.

Memoria dinamica.

Programmazione concorrente.

Programmazione per la scienza dei dati.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP11.- Sviluppo di progetti

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE4.- Portfolio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB1 Gli studenti devono aver dimostrato di possedere e comprendere conoscenze in un'area di studio che parte dalle basi dell'istruzione secondaria generale e si colloca solitamente a un livello che, pur basandosi su libri di testo avanzati, include anche alcuni aspetti che richiedono conoscenze all'avanguardia nel proprio campo di studio

CB2 Gli studenti sappiano applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che si manifestano solitamente attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi all’interno della propria area di studio

CB3 Che gli studenti abbiano la capacità di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE1 Risolvere problemi astratti e complessi relativi all’Intelligenza Artificiale utilizzando metodi, tecniche e concetti matematici per progettare soluzioni digitali.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE19 Conoscere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Comprende e applica i diversi metodi di risoluzione dei sistemi lineari, sia diretti che iterativi.

Sa gestire le diverse fattorizzazioni delle matrici.

Calcola e disegna i polinomi di interpolazione e le funzioni spline cubiche di interpolazione di una funzione di una variabile reale.

Approssima il valore di integrali definiti e le radici di un’equazione non lineare con una precisione determinata, scegliendo il metodo più adeguato alla situazione.

Descrizione dei contenuti

Metodi numerici per la risoluzione di equazioni non lineari. Calcolo delle radici dei polinomi.

Algebra lineare numerica: fattorizzazione QR. Approssimazione degli autovalori e degli autovettori di una matrice.

Scomposizione in valori singolari. Minimi quadrati lineari. Pseudoinversa di una matrice.

Risoluzione di sistemi di equazioni lineari mediante metodi diretti e iterativi

Attività didattiche

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 40%

SE2.- Prove finali di verifica delle conoscenze 60%

Obiettivi

L'obiettivo del corso è fornire allo studente gli strumenti algebrici necessari per elaborare soluzioni numeriche basate sull'intelligenza artificiale nel modo più efficiente possibile al fine di risolvere un problema posto.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE1 Risolvere problemi astratti e complessi relativi all’intelligenza artificiale utilizzando metodi, tecniche e concetti matematici per progettare soluzioni digitali.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

Risultati di apprendimento

Utilizza le conoscenze di algoritmica e complessità computazionale per risolvere problemi che possono presentarsi nell’informatica e nell’intelligenza artificiale.

Identifica e propone soluzioni ai problemi di efficienza degli algoritmi

Calcola l’efficienza degli algoritmi iterativi applicando le regole di calcolo appropriate.

Progetta e dimensiona algoritmi per ambienti di diverse dimensioni e complessità

Risolve problemi che possono presentarsi nell’informatica e nell’intelligenza artificiale applicando le conoscenze relative alla struttura e alla programmazione dei sistemi informatici.

Descrizione dei contenuti

Strutture dinamiche di dati.

Algoritmi di ricerca e ordinamento.

Introduzione all'efficienza degli algoritmi.

Analisi dell'efficienza degli algoritmi.

Applicazione delle strutture dati alla risoluzione dei problemi.

Progettazione di algoritmi.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP11.- Sviluppo di progetti

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30%

SE2.- Prove finali di verifica delle conoscenze: 60%

SE3.- Quaderno delle esercitazioni di laboratorio: 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE6 Sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti per realizzare soluzioni digitali basate sull’intelligenza artificiale.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

Risultati di apprendimento

RA-1 Progettazione di circuiti digitali sequenziali e combinatori.

RA-2 Redazione di relazioni sulla progettazione, l’implementazione e il collaudo di programmi di basso livello e sulla loro verifica in laboratorio.

RA-3 Redazione di relazioni sulla configurazione hardware di sistemi informatici che soddisfino determinati criteri.

RA-4 Comprensione degli elementi di valutazione e delle prestazioni dell’hardware e della loro applicazione ai sistemi informatici.

RA-5 Conoscenza dei nuovi componenti hardware e dei sistemi di archiviazione.

RA-7 Comprensione dei concetti relativi alla struttura e al funzionamento dei sistemi operativi.

RA-8 Progettazione di processi che sfruttino i servizi del sistema operativo.

Descrizione dei contenuti

Introduzione alla struttura dei computer.

Istruzioni e modalità di indirizzamento.

Unità di controllo e percorso dei dati.

Memoria e I/O nel microprocessore

Introduzione ai sistemi operativi.

Processi e thread.

Pianificazione del processore.

Comunicazione e sincronizzazione.

Gestione della memoria.

Gestione dei file e I/O

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

La valutazione continua è subordinata alla frequenza di almeno il 70% delle lezioni. Qualora tale condizione non venga soddisfatta, lo studente perderà tutti i crediti relativi alla valutazione continua e dovrà sostenere l’esame ordinario per l’intero corso.

Obiettivi

Attraverso le 4 unità didattiche del corso, si intende sviluppare le seguenti

competenze e risultati di apprendimento:

▪ Competenze di base:

Comprendere la filosofia aziendale data-driven

Comprendere le esigenze alla base di un lavoro nel campo della scienza dei dati.

Saper lavorare alla risoluzione dei problemi.

▪ Competenze specifiche:

Padroneggiare la libreria Python pandas.

Dimostrare agilità e disinvoltura nell’elaborazione e nella formulazione di query con SQL

Conoscere le tecniche più comuni di analisi esplorativa dei dati e di ingegneria delle

variabili

▪ Risultati di apprendimento:

Essere in grado di lavorare con i diversi sistemi di acquisizione, trasformazione e

scrittura dei dati

Essere in grado di utilizzare le tecniche di analisi esplorativa per generare un report

analitico da presentare al business

Descrizione dei contenuti

Il piano di lavoro qui presentato è quello predefinito per superare con successo il corso/modulo

con successo.

• Il corso è composto da 4 unità didattiche:

o Unità 1 (1,5 ECTS): Introduzione alla scienza dei dati

o Unità 2 (2 ECTS): Lavoro con ETL

o Unità 3 (1,5 ECTS): Analisi esplorativa delle variabili

o Unità 4 (1 ECTS): Ingegneria delle variabili

• Il corso prevede 2 attività didattiche, relative alle unità

1-2 e alle unità 3-4.

• Questo corso/modulo inizia l’8 settembre 2025 e termina il 18

dicembre 2024.

• L’esame finale del corso/modulo dovrà essere sostenuto nella data indicata nel

campus

Sistema e criteri di valutazione

Il voto finale (x) sarà calcolato secondo la seguente formula:

x = 0,5 · x_con + 0,5 · x_ord

Dove:

x_ord è il voto, su una scala da 0 a 10, ottenuto nella sessione ordinaria (sia tramite due esami parziali che tramite l’esame finale).

x_con si calcola come segue:

x_con = (3·x_1 + 2·x_2) / 5

dove x_1 e x_2 sono i voti, su una scala da 0 a 10, ottenuti nelle consegne delle due attività didattiche corrispondenti alle unità 1-2 e 3-4. La prima attività ha un peso maggiore rispetto alla seconda, poiché copre più contenuti.

La formula precedente sarà applicabile solo se sia x_con che x_ord sono pari o superiori a 5.

In sintesi:

Il 50% del voto finale corrisponde alla valutazione delle attività da consegnare.

Il restante 50% corrisponde alla valutazione tramite due esami parziali o, in alternativa, tramite l’esame finale.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, comprendendone l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone provenienti da diversi ambiti e discipline nel perseguimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE4 Dirigere progetti basati sulle tecnologie digitali, elaborando la pianificazione delle attività, monitorando lo svolgimento delle stesse, gestendo il controllo economico del budget e garantendo il raggiungimento degli obiettivi nei tempi e con la qualità stabiliti.

CE6 Sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti per realizzare soluzioni digitali basate sull’intelligenza artificiale.

CE7 Sviluppare sistemi di cloud computing utilizzando microservizi, in modo che gli utenti finali possano creare ed eseguire facilmente applicazioni su server remoti.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale, al fine di sviluppare prototipi di soluzioni digitali.

Risultati di apprendimento

Acquisisce i concetti generali del cloud computing

Acquisisce una comprensione dei sistemi fondamentali su cui si basa il cloud.

Gestire i requisiti di un sistema di cloud computing.

Conosce le tecniche e gli strumenti dei modelli di integrazione continua delle applicazioni.

Acquisisci le nozioni fondamentali su Amazon Web Services (AWS)

Sviluppa competenze pratiche utilizzando i principali servizi di Amazon Web Services (AWS)

Acquisisci conoscenze che vanno dal livello principiante fino ai concetti avanzati.

Scopri come iniziare a lavorare con Azure

Crea macchine virtuali

Utilizza opzioni di archiviazione come BLOB e SQL Server

Acquisisci una comprensione di base di servizi quali Azure Functions, Azure Web Apps, ecc.

Descrizione dei contenuti

Concetti di base sul cloud.

Introduzione alle architetture delle applicazioni nel cloud.

Ambienti di lavoro nel cloud.

Tecnologia AWS.

Tecnologia MS-Azure.

Tecnologia Google Cloud.

Gestione del ciclo di vita delle applicazioni.

Fondamenti di DevOps e integrazione continua.

Sicurezza e servizi di protezione.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni pratiche

AP12.- Risoluzione di sfide

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Prove di verifica delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio.

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone provenienti da ambiti e discipline diverse nel perseguimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e la normativa vigenti.

CE9 Definire e realizzare i processi e le procedure che comportano la programmazione e la creazione di applicazioni o software progettati per dispositivi web.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale al fine di sviluppare prototipi di soluzioni digitali.

CE14 Realizzare interfacce uomo-computer affinché i sistemi digitali offrano un’esperienza utente ottimale nel rispetto delle norme di accessibilità.

Risultati di apprendimento

Impara a realizzare siti web moderni utilizzando framework di progettazione delle applicazioni e piattaforme di sviluppo, nonché librerie di interfacce utente ad alte prestazioni.

Impara a realizzare applicazioni web responsive utilizzando framework di sviluppo specifici per i dispositivi mobili.

Impara HTML5, CSS3 e JavaScript.

Imparerà a realizzare siti web applicando standard che garantiscano l’interoperabilità delle pagine web su diversi browser.

Sviluppa applicazioni web front-end che rispondono rapidamente a qualsiasi interazione dell’utente e consentono l’archiviazione persistente dei dati.

Sviluppa applicazioni web lato server.

Realizza un sito web completo.

Descrizione dei contenuti

Introduzione alla continua integrazione e allo sviluppo continuo.

Fondamenti dello sviluppo front-end: HTML, CSS, JS, jQuery, JSON.

Lavoro con framework specifici come Bootstrap, Angular e React.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP11.- Sviluppo di progetti

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE4.- Portfolio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone provenienti da ambiti e discipline diverse nel perseguimento di obiettivi comuni.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, al fine di applicare la soluzione migliore in modo efficiente e tempestivo.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale, al fine di sviluppare prototipi di soluzioni digitali.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Conoscere i modelli statistici tramite strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Impara ad applicare correttamente le tecniche di apprendimento automatico per ottenere risultati affidabili e significativi.

Conosce le tecniche più rappresentative e attuali di apprendimento non supervisionato, semi-supervisionato e supervisionato, con e senza rinforzo.

Conosce le tecniche di deep learning.

Identifica le tecniche di analisi dei dati appropriate in base al problema.

Utilizza gli strumenti e gli ambienti di lavoro più aggiornati nel campo dell’apprendimento automatico.

Descrizione dei contenuti

Introduzione all’apprendimento automatico.

Riconoscimento dei modelli.

Apprendimento supervisionato.

Apprendimento non supervisionato.

Apprendimento per rinforzo.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP12.- Risoluzione di sfide

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Prove di verifica delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE4 Dirigere progetti basati sulle tecnologie digitali, elaborando la pianificazione delle attività, monitorando le attività, controllando il bilancio e garantendo il raggiungimento degli obiettivi nei tempi e con la qualità stabiliti.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e la normativa vigenti.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE14 Realizzare interfacce uomo-computer affinché i sistemi digitali offrano un’esperienza utente ottimale nel rispetto delle norme di accessibilità.

Risultati di apprendimento

Conosce le fasi e le metodologie del processo di creazione di prodotti digitali.

Realizza prototipi di prodotti per ridurre le deviazioni nel loro sviluppo.

Conosce le tecniche di progettazione incentrate sull’utente e utilizza le linee guida di stile.

Integra la progettazione digitale e lo sviluppo del software nella creazione di prodotti digitali.

Applica i principi di usabilità e accessibilità alla progettazione di prodotti digitali.

Conosci le diverse interfacce utente avanzate per i prodotti digitali.

Realizza progetti digitali specifici per diverse piattaforme tecnologiche.

Progetta in gruppo un progetto digitale relativo a un’interfaccia utente basato su un caso reale.

Descrizione dei contenuti

Introduzione alla progettazione di prodotti digitali.

Fondamenti della ricerca sull’esperienza utente.

Accessibilità.

Architettura dell'informazione.

Metodologie per la realizzazione di progetti relativi all'esperienza utente.

Progettazione e usabilità.

Progettazione di interfacce vocali.

Progettazione ed esperienza con la realtà aumentata.

Progettazione ed esperienza con la realtà virtuale.

Progettazione ed esperienza con la realtà aumentata.

Progettazione ed esperienza con la realtà virtuale.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone promuovendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e le normative vigenti.

CE9 Definire e realizzare i processi e le procedure che comportano la programmazione e la creazione di applicazioni o software progettati per dispositivi web.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale al fine di sviluppare prototipi di soluzioni digitali.

CE14 Realizzare interfacce uomo-computer affinché i sistemi digitali offrano un’esperienza utente ottimale nel rispetto delle norme di accessibilità.

Risultati di apprendimento

Acquisire familiarità con gli ambienti di programmazione dei servizi web.

Progettare e sviluppare API in grado di eseguire operazioni persistenti.

Sviluppare meccanismi di autenticazione e autorizzazione per applicazioni back-end

Programmare applicazioni web che interagiscano con il database

Integrare le migliori pratiche di sicurezza negli sviluppi web.

Distribuire applicazioni back-end pronte per la produzione su Amazon Web Services

Scrive codice pulito e gestibile, in linea con gli standard del settore

Implementa un sistema di log efficiente in un’applicazione back-end

Gestisci la configurazione delle applicazioni web in base all’ambiente e alle variabili d’ambiente

Implementa la convalida dei dati

Descrizione dei contenuti

Architetture a microservizi (Hexagonal, CQRS, EDA, …),

Sviluppo di API RESTful con strumenti open source come Python, Swagger, OAuth

Integrazione con database SQL e NoSQL.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP11.- Sviluppo di progetti

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE4.- Portfolio 10%

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che si manifestano solitamente attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e le normative vigenti.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale al fine di sviluppare prototipi di soluzioni digitali.

CE14 Realizzare interfacce uomo-computer affinché i sistemi digitali offrano un’esperienza utente ottimale nel rispetto delle norme di accessibilità.

CE19 Conoscere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Sviluppa la comprensione scritta che gli consenta di muoversi con disinvoltura in un contesto professionale in lingua inglese.

Sviluppa la comprensione orale che gli consenta di muoversi con disinvoltura in un contesto professionale in lingua inglese.

Possiede capacità di espressione orale che gli consentono di muoversi con disinvoltura in un contesto professionale in lingua inglese.

Possiede capacità di espressione scritta che gli consentono di muoversi con disinvoltura in un contesto professionale in lingua inglese.

Conosce il vocabolario relativo all’informatica e all’intelligenza artificiale.

Descrizione dei contenuti

Vocabolario scientifico e professionale delle tecnologie digitali

Grammatica (livello intermedio)

Comunicazione con i clienti.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP14.- Presentazioni orali

AP15.- Dibattiti

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Prove di verifica delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la frequenza inferiore al 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 40%

SE2.- Prove finali di verifica delle conoscenze 60%

Bibliografia

Di base:

1.- Hill, David

English for Information Technology Level 2 Course Book

Pearson Educación. 2012.

ISBN: 9781408269909

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone provenienti da ambiti e discipline diverse nel perseguimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e le normative vigenti.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale al fine di sviluppare prototipi di soluzioni digitali.

CE14 Realizzare interfacce uomo-computer affinché i sistemi digitali offrano un’esperienza utente ottimale nel rispetto delle norme di accessibilità.

CE19 Conoscere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Conosce diverse tecniche per la creazione di visualizzazioni dei dati.

Conosce diversi metodi per la progettazione, la codifica visiva e l’interazione con i dati.

Comprende lo stato dell’arte della visualizzazione dei dati.

È in grado di comunicare in modo chiaro ed efficace i modelli individuati nei dati.

Utilizza strumenti che consentono di generare visualizzazioni dei dati.

Utilizza strumenti in grado di generare visualizzazioni interattive in un ambiente web.

Riconosce le fasi che compongono un progetto di visualizzazione dei dati in qualsiasi strumento software specifico.

Conosce e propone modalità alternative per visualizzare lo stesso insieme di dati.

Descrizione dei contenuti

Tipi di dati e fonti di dati

Visualizzazione delle informazioni per dati ordinali e numerici.

Visualizzazione di dati multivariati: diagrammi di dispersione, facce di Chernoff.

Visualizzazione di dati strutturati: grafi e rappresentazioni di reti.

Visualizzazione di dati non strutturati: testo, flussi di dati, ecc.

Strumenti di visualizzazione per dati dinamici

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi studio

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su temi rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale utilizzando l’informatica e l’intelligenza artificiale.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale, al fine di sviluppare prototipi di soluzioni digitali.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Conoscere i modelli statistici tramite strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Comprende in modo approfondito i modelli di apprendimento automatico (regressione logistica, percettroni multistrato, reti neurali convoluzionali, elaborazione del linguaggio naturale, ecc.)

Sviluppa la capacità di risolvere problemi complessi in diversi contesti industriali tramite l’apprendimento automatico.

Acquisisce esperienza pratica nell’implementazione dei modelli di scienza dei dati su insiemi di dati.

Imparare a implementare algoritmi di apprendimento automatico utilizzando il linguaggio Python.

Comprensione approfondita dei modelli di machine learning (regressione logistica, percettroni multistrato, reti neurali convoluzionali, elaborazione del linguaggio naturale, ecc.).

Sviluppa la capacità di risolvere problemi complessi con l’apprendimento automatico in vari contesti industriali.

Acquisisci esperienza pratica nell’implementazione di modelli di data science su set di dati.

Impara a implementare algoritmi di apprendimento automatico utilizzando il linguaggio Python

Descrizione dei contenuti

Algoritmi di apprendimento supervisionato.

Regressione lineare

Regressione logistica

Algoritmi di apprendimento non supervisionato.

Clustering K-means.

KNN.

Algoritmi di apprendimento per rinforzo.

Q-Learning

Applicazioni dell'apprendimento automatico nell'industria.

Algoritmi di apprendimento supervisionato.

Regressione lineare

Regressione logistica

Algoritmi di apprendimento non supervisionato.

Clustering K-means.

KNN.

Algoritmi di apprendimento per rinforzo.

Q-Learning

Applicazioni dell'apprendimento automatico nell'industria.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP11.- Sviluppo di progetti

AP12.- Risoluzione di sfide

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT5 Leadership etica: essere in grado di motivare, influenzare e guidare altre persone promuovendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE6 Sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti per realizzare soluzioni digitali basate sull’intelligenza artificiale.

CE7 Sviluppare sistemi di cloud computing utilizzando microservizi affinché gli utenti finali possano creare ed eseguire facilmente applicazioni su server remoti.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE11 Applicare modelli predittivi e utilizzare l’elaborazione del linguaggio naturale quando si lavora con set di dati di grandi dimensioni.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Comprendere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Conoscere il panorama dei big data, compresi esempi tratti dal mondo reale.

Identifica i problemi legati ai big data ed è in grado di proporre soluzioni avvalendosi della scienza dei dati.

Conosce l’architettura e i modelli di programmazione utilizzati per l’analisi dei big data.

Identifica le tecniche di elaborazione comunemente utilizzate nell’analisi dei big data

Applicare tecniche per la gestione dei dati in streaming.

Individua quando un problema relativo ai big data richiede l’integrazione dei dati

Conoscere i fondamenti dell’estrazione e dell’analisi dei dati, nonché la loro relazione con altre discipline.

Conoscere le tecniche di classificazione, associazione e dipendenza per l’estrazione di conoscenza.

Conoscere le tecniche di analisi di dati complessi di vario tipo.

Conosce i concetti di base dell'informatica distribuita e sa riconoscere quando applicarli.

Conoscere i concetti di base dell’edge computing e riconoscere quando applicarli.

Descrizione dei contenuti

Fondamenti dei Big Data.

Architetture Hadoop e Spark (Dataset, DataFrame, Pyspark) operando su una delle principali piattaforme cloud presenti sul mercato.

Modellazione dei big data.

Preparazione e selezione dei big data.

Integrazione ed elaborazione di dati massivi.

Introduzione all’Edge Computing.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che si manifestano solitamente attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, e civile ove pertinente, dell’attività del professionista delle tecnologie digitali.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT4 Creatività: essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CE8 Conoscere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

Risultati di apprendimento

Comprende la teoria della Quarta Rivoluzione Industriale e la mette in relazione con i grandi progressi tecnologici dell’umanità.

Conoscere le tecnologie digitali esponenziali e la loro fusione con le tecnologie fisiche e biologiche.

Identifica le potenzialità dell’automazione e il suo impatto sull’innovazione e sulla produttività delle organizzazioni.

Conoscere i nuovi modelli di relazione e comunicazione digitale delle aziende con i propri clienti e le opportunità per modelli di business dirompenti.

Identifica i nuovi approcci alla regolamentazione e alla gestione agile dei servizi pubblici.

Riconoscere le sfide in materia di sicurezza, etica e disuguaglianza poste dall’economia digitale.

Comprendi la teoria della Quarta Rivoluzione Industriale e mettila in relazione con i grandi progressi tecnologici dell’umanità.

Comprendere le tecnologie digitali esponenziali e la loro fusione con le tecnologie fisiche e biologiche.

Identifica le possibilità offerte dall’automazione e il suo impatto sull’innovazione e sulla produttività nelle organizzazioni.

Conoscere i nuovi modelli di relazione e comunicazione digitale tra le aziende e i loro clienti, nonché le opportunità per le imprese dirompenti.

Individuare nuovi approcci alla regolamentazione e alla gestione agile dei servizi pubblici.

Riconoscere le sfide in materia di sicurezza, etica e disuguaglianza poste dall’economia digitale.

Descrizione dei contenuti

Presentazione della Quarta Rivoluzione Industriale.

Le tecnologie esponenziali e la fusione dei mondi.

Innovazione e produttività associate alle tecnologie esponenziali

Modelli di business digitali dirompenti.

Governance e regolamentazione dell'economia e della società digitali.

Difesa e sicurezza. Internet come campo di battaglia.

Etica e disuguaglianza nella Quarta Rivoluzione Industriale.

Introduzione alla Quarta Rivoluzione Industriale.

Tecnologie esponenziali e fusione dei mondi.

Innovazione e produttività associate alle tecnologie esponenziali.

Business digitale dirompente.

Governance e regolamentazione dell'economia e della società digitale.

Difesa e sicurezza. Internet come campo di battaglia.

Etica e disuguaglianza nella quarta rivoluzione industriale.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi

AP14.- Presentazioni orali

AP15.- Dibattiti

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 40%

SE2.- Prove finali di verifica delle conoscenze 60%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE4 Dirigere progetti basati sulle tecnologie digitali, elaborando la pianificazione delle attività, monitorando lo svolgimento delle stesse, gestendo il controllo economico del bilancio e garantendo il raggiungimento degli obiettivi nei tempi e con la qualità stabiliti.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e la normativa vigenti.

CE12 Utilizzare le metodologie agili di sviluppo del software con gli strumenti più all’avanguardia per lo sviluppo dell’apprendimento automatico.

Risultati di apprendimento

Riconosce e valuta l’importanza e la necessità della gestione dei progetti.

Utilizza strumenti di supporto per la pianificazione e la gestione dei progetti.

Conosce le funzioni più importanti del responsabile di un progetto.

Analizza e prende decisioni relative alla gestione e alla pianificazione delle diverse fasi di un progetto, quali la pianificazione, l’integrazione, l’ambito, le scadenze, i costi, l’approvvigionamento e la qualità, nell’ambito dello studio della materia.

Identifica e analizza le risorse, le comunicazioni e i rischi nel processo di sviluppo di un progetto di ingegneria nell’ambito delle tecnologie digitali e dell’intelligenza artificiale.

Comprensione degli elementi che determinano la gestione della tecnologia in un contesto aziendale.

Conosce le fasi di attuazione e gestione dei progetti di R&S&I.

Comprende e applica gli standard di qualità e le normative vigenti nel campo delle tecnologie digitali e dell’intelligenza artificiale.

Descrizione dei contenuti

Metodologia Scrum e Scrum SAFe.

Metodologia Kanban.

Sviluppo iterativo e del Prodotto Minimo Funzionale (Minimum Viable Product, MVP) utilizzando metodologie agili.

Adattamento delle metodologie agili all’intelligenza artificiale.

Gestione del cambiamento.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi

AP14.- Presentazioni orali

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Prove di verifica delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 40%

SE2.- Prove finali di verifica delle conoscenze 60%

Obiettivi

Il corso di Modellazione avanzata delle informazioni si concentra sullo studio e sull'applicazione dei database non relazionali, con particolare attenzione a MongoDB. In questo corso, gli studenti approfondiscono i concetti e i principi fondamentali dei database NoSQL e acquisiscono competenze pratiche nella progettazione, implementazione e gestione di sistemi di archiviazione dati flessibili e scalabili.

Prerequisiti

Non sono previsti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, comprendendone l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT5 Leadership etica: essere in grado di motivare, influenzare e guidare altre persone promuovendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE6 Sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti per realizzare soluzioni digitali basate sull’intelligenza artificiale.

CE7 Sviluppare sistemi di cloud computing utilizzando microservizi affinché gli utenti finali possano creare ed eseguire facilmente applicazioni su server remoti.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE11 Applicare modelli predittivi e utilizzare l’elaborazione del linguaggio naturale quando si lavora con set di dati di grandi dimensioni.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per applicarli in diversi contesti di conoscenza.

CE19 Comprendere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Impara a costruire processi di analisi dei dati scalabili e affidabili.

Progetta sistemi di database adeguati a ogni problema specifico.

Progetta sistemi di database per l’apprendimento automatico.

Supervisiona i flussi di dati e i modelli di apprendimento automatico.

Progetta sistemi di database distribuiti e scalabili.

Conosci i diversi modelli di database NoSQL.

Conosce le caratteristiche dei principali database NoSQL.

Impara a gestire i dati nel database di documenti MongoDB.

Descrizione dei contenuti

Database distribuiti

Alta disponibilità dei database.

Tolleranza ai guasti dei database.

Elevate prestazioni e scalabilità per la gestione di grandi volumi di dati.

Fondamenti dei database NoSQL.

Tipi di database NoSQL.

Programmazione per l'accesso ai database NoSQL.

Introduzione a MongoDB.

Query di base e avanzate in MongoDB.

Introduzione ai database grafici.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10.- Risoluzione di problemi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CE4 Dirigere progetti basati sulle tecnologie digitali, elaborando la pianificazione delle attività, monitorando lo svolgimento delle stesse, gestendo il controllo economico del bilancio e garantendo il raggiungimento degli obiettivi nei tempi e con la qualità stabiliti.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e la normativa vigenti.

CE6 Sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti per realizzare soluzioni digitali basate sull’intelligenza artificiale.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo. Comprendere i fondamenti della crittografia.

Risultati di apprendimento

Comprende i fondamenti della crittografia.

Conosce i principali algoritmi di crittografia.

Conoscere i sistemi di firma e verifica basati su chiave pubblica

Comprende le misure di sicurezza dei sistemi informativi e delle reti.

Conoscere i meccanismi di verifica dell'identità nei sistemi digitali.

Definire le politiche di sicurezza per i sistemi informativi aziendali.

Esegui audit di sicurezza su sistemi e reti digitali

Comprendere i fondamenti della crittografia.

Conoscere i principali algoritmi di crittografia.

Conoscere i sistemi di firma e verifica basati su chiave pubblica.

Comprendere le misure di sicurezza dei sistemi informativi e delle reti.

Conoscere i meccanismi di verifica dell'identità nei sistemi digitali.

Definire le politiche di sicurezza per i sistemi informativi aziendali.

Sviluppare audit di sicurezza dei sistemi digitali e delle reti

Descrizione dei contenuti

Introduzione alla sicurezza dei sistemi informativi.

Crittografia simmetrica e asimmetrica.

Algoritmi di crittografia a chiave pubblica.

Sistemi di verifica dell'identità.

Sicurezza dei sistemi informativi e delle reti.

Politiche e strategie di sicurezza.

Introduzione alla sicurezza dei sistemi informativi.

Crittografia simmetrica e asimmetrica.

Algoritmi di crittografia a chiave pubblica.

Sistemi di verifica dell'identità.

Sicurezza nei sistemi informativi e nelle reti.

Politiche e strategie di sicurezza.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che si manifestano solitamente attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone provenienti da ambiti e discipline diverse nel perseguimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE4 Dirigere progetti basati su tecnologie digitali, elaborando la pianificazione delle attività, effettuando il monitoraggio delle attività, il controllo economico del budget e garantendo il raggiungimento degli obiettivi nei tempi e con la qualità stabiliti.

CE6 Sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti per realizzare soluzioni digitali basate sull’intelligenza artificiale.

CE7 Sviluppare sistemi di cloud computing utilizzando microservizi affinché gli utenti finali possano creare ed eseguire facilmente applicazioni su server remoti.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Conoscere i modelli statistici tramite strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Conosce gli strumenti DevOps adeguati per eseguire applicazioni di qualità superiore.

Conosce il processo DevOps e i suoi diversi ambienti per migliorare le prestazioni.

Impara a supervisionare la trasformazione delle applicazioni, dalle installazioni alle implementazioni ibride e nel cloud.

Comprende come modernizzare la gestione delle operazioni tecnologiche con l’intelligenza artificiale.

Impara le migliori pratiche per lo sviluppo agile e la consegna continua.

Impara a creare, testare e distribuire applicazioni nel cloud con strumenti e pratiche DevOps.

Impara i concetti di base dell’integrazione continua, della consegna continua e della distribuzione continua.

Impara a installare e configurare sistemi di container.

Esegui applicazioni stateless e stateful in sistemi a container.

Scala le tue applicazioni utilizzando le metriche.

Scopri gli strumenti DevOps più adatti per eseguire applicazioni di qualità superiore.

Conoscere il processo software DevOps e i suoi diversi ambienti per migliorare le prestazioni.

Impara a supervisionare la trasformazione delle applicazioni da implementazioni on-premise a quelle ibride e cloud.

Comprendere come modernizzare la gestione delle operazioni tecnologiche con l’intelligenza artificiale.

Apprendi le best practice per lo sviluppo agile e la consegna continua.

Imparare a sviluppare, testare e distribuire applicazioni nel cloud utilizzando gli strumenti e le pratiche DevOps.

Acquisisci i concetti di base relativi all’integrazione continua, alla consegna continua e alla distribuzione continua.

Impara a installare e configurare i sistemi a container.

Acquisire la capacità di eseguire applicazioni stateless e stateful su sistemi a container.

Acquisisci la capacità di scalare le tue applicazioni utilizzando le metriche.

Descrizione dei contenuti

Metodologia DevOps,

Metodologia MLops

Fondamenti del cloud native (microservizi, container),

Architetture in tempo reale (Kafka), operando su una delle principali piattaforme cloud presenti sul mercato.

Metodologia DevOps,

Metodologia MLops

Fondamenti cloud native (microservizi, container...),

Architetture in tempo reale (Kafka), operando su alcune delle principali piattaforme cloud presenti sul mercato.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP11.- Sviluppo di progetti

AP12.- Risoluzione di sfide

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE4.- Portfolio 10%

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e le normative vigenti.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

Risultati di apprendimento

Sa come integrare l’intelligenza artificiale in una strategia aziendale.

Impara a sviluppare una roadmap per l’implementazione dell’intelligenza artificiale in un contesto aziendale.

Identifica le implicazioni organizzative dell’integrazione nel mondo degli affari della robotica, dell’elaborazione del linguaggio naturale e dell’apprendimento automatico.

Sa mettere a frutto le conoscenze chiave relative alla gestione e alla leadership nell’ambito dell’IA per supportare un processo decisionale strategico e informato.

Acquisisci una base pratica sull’intelligenza artificiale e sulle sue applicazioni aziendali per trasformare le organizzazioni nelle aziende del futuro.

Saper integrare l’intelligenza artificiale in una strategia aziendale.

Imparare a sviluppare una roadmap per l’implementazione dell’intelligenza artificiale in un contesto aziendale.

Identifica le implicazioni organizzative dell’integrazione della robotica, dell’elaborazione del linguaggio naturale e dell’apprendimento automatico nelle attività aziendali.

Saper sfruttare le conoscenze chiave in materia di gestione e leadership derivanti dall’IA per supportare un processo decisionale strategico informato.

Acquisisci una base pratica nell’intelligenza artificiale e nelle sue applicazioni aziendali per trasformare le organizzazioni in imprese del futuro.

Descrizione dei contenuti

Strategia per l’implementazione dell’intelligenza artificiale in un’organizzazione.

L'apprendimento automatico in azienda

L'elaborazione del linguaggio naturale in ambito aziendale

La robotica nel mondo degli affari.

L'intelligenza artificiale nell'azienda e nella società

Casi di successo.

Il futuro dell'intelligenza artificiale.

Strategia per l'implementazione dell'intelligenza artificiale in un'organizzazione.

Apprendimento automatico in ambito aziendale

Elaborazione del linguaggio naturale nel mondo degli affari

La robotica nel mondo degli affari.

L'intelligenza artificiale nel mondo degli affari e nella società

Storie di successo.

Il futuro dell'intelligenza artificiale.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi

AP14.- Presentazioni orali

AP15.- Dibattiti

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 40%

SE2.- Prove finali di verifica delle conoscenze 60%

Prerequisiti

Non sono stati stabiliti prerequisiti

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CG6 Integrare valori etici e sensibilità verso la trasformazione sociale, economica e ambientale nella propria attività professionale e scientifica nel campo dell’informatica e delle tecnologie dell’informazione e della comunicazione.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale utilizzando l’informatica e l’intelligenza artificiale.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale, al fine di sviluppare prototipi di soluzioni digitali.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Conoscere i modelli statistici tramite strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Comprende il funzionamento del deep learning.

Conosce i fondamenti matematici delle reti neurali e le diverse architetture

Comprende i modelli matematici delle reti neurali convoluzionali.

Comprendere le tecniche di ottimizzazione delle reti neurali convoluzionali.

Comprende i concetti e gli algoritmi dell'apprendimento per rinforzo.

Conoscere i diversi tipi di problemi a cui è possibile applicare le reti neurali.

Progetta soluzioni basate su specifiche architetture di reti neurali applicate a problemi complessi in diversi settori industriali.

Progettare, programmare, addestrare ed eseguire un modello di rete neurale.

Descrizione dei contenuti

Fondamenti delle reti neurali convoluzionali.

Il percettrone multistrato.

Implementazione di una rete neurale convoluzionale.

Programmazione di applicazioni che implementano reti neurali convoluzionali.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP11.- Sviluppo di progetti

AP12.- Risoluzione di problemi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventuale definizione di altri requisiti nel relativo programma del corso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale utilizzando l’informatica e l’intelligenza artificiale.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale, al fine di sviluppare prototipi di soluzioni digitali.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Conoscere i modelli statistici tramite strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Conosce i processi per descrivere un’immagine digitale.

Applica le tecniche di segmentazione delle immagini e di riconoscimento dei modelli.

Applica i modelli di apprendimento automatico e profondo all’elaborazione digitale delle immagini.

Progetta soluzioni basate sull’apprendimento automatico e profondo applicate a problemi complessi di elaborazione delle immagini e visione artificiale.

Progettare, programmare, addestrare ed eseguire un modello di visione artificiale utilizzando linguaggi di programmazione e ambienti di sviluppo specifici per l’elaborazione delle immagini.

Conoscere i processi per descrivere un'immagine digitale.

Applica le tecniche di segmentazione delle immagini e di riconoscimento dei modelli.

Applica modelli di apprendimento automatico e profondo all'elaborazione delle immagini digitali.

Progetta soluzioni basate sull'apprendimento automatico e profondo applicate a problemi complessi di elaborazione delle immagini e visione artificiale.

Progettare, programmare, addestrare ed eseguire un modello di visione artificiale utilizzando linguaggi di programmazione e ambienti di sviluppo specifici per l’elaborazione delle immagini.

Descrizione dei contenuti

Introduzione alla visione artificiale.

Segmentazione delle immagini.

Riconoscimento di modelli.

Modelli di rappresentazione e descrizione delle immagini.

Classificatori di immagini.

Alberi decisionali

Classificatore Support Vector Machine (SVM).

Applicazioni della visione artificiale.

Introduzione alla visione artificiale.

Segmentazione delle immagini.

Riconoscimento di modelli.

Modelli di rappresentazione e descrizione delle immagini.

Classificatori di immagini.

Alberi decisionali.

Classificatore Support Vector Machine (SVM).

Applicazioni della visione artificiale

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP12.- Risoluzione di sfide

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Prove di verifica delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE11 Applicare modelli predittivi e utilizzare l’elaborazione del linguaggio naturale quando si lavora con set di dati di grandi dimensioni.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale al fine di sviluppare prototipi di soluzioni digitali.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Comprendere i modelli statistici tramite strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Applica le reti neurali all’elaborazione del linguaggio naturale, dai modelli neurali semplici a quelli più complessi.

Comprende il concetto di embedding delle parole e le sue applicazioni nell’elaborazione del linguaggio naturale.

Comprende le reti neurali ricorrenti e i modelli LSTM per analizzare i testi e realizzarne la sintesi.

Comprende il modello di rete trasformativa per analizzare le relazioni tra le parole di un testo.

Progetta soluzioni basate su specifiche architetture di reti neurali applicate a problemi complessi dell’Elaborazione del Linguaggio Naturale.

Progetta, programma, addestra ed esegue un modello di elaborazione del linguaggio naturale

Applicare le reti neurali all’Elaborazione del Linguaggio Naturale, dai modelli neurali semplici a quelli complessi.

Comprendere il concetto di word embedding e le loro applicazioni nell’Elaborazione del Linguaggio Naturale.

Comprendere le reti neurali ricorrenti e i modelli LSTM per l’analisi e la sintesi del testo.

Comprendere il modello di rete trasformazionale per analizzare le relazioni tra le parole in un testo.

Progetta soluzioni basate su specifiche architetture di reti neurali applicate a problemi complessi di elaborazione del linguaggio naturale.

Progettare, programmare, addestrare ed eseguire un modello di elaborazione del linguaggio naturale.

Descrizione dei contenuti

Introduzione.

Livelli di elaborazione (fonetico, morfologico, sintattico, semantico, discorsivo, pragmatico) e loro trattamento.

Definizione e costruzione di corpora linguistici.

Applicazione delle tecniche di apprendimento automatico e deep learning all'ELN.

Casi d'uso: riconoscimento di modelli, estrazione di informazioni dai testi, analisi del sentiment, chatbot.

Introduzione.

Livelli di elaborazione (fonetico, morfologico, sintattico, semantico, discorsivo, pragmatico) e loro trattamento.

Definizione e costruzione di corpora linguistici.

Utilizzo delle tecniche di apprendimento automatico e deep learning nel PLN.

Casi d'uso: riconoscimento di modelli, estrazione di informazioni dai testi, analisi del sentiment, chatbot.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP11.- Sviluppo di progetti

AP12.- Risoluzione di sfide

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Requisiti preliminari

Gli studenti devono dimostrare di possedere un livello di inglese B-2 secondo il Quadro Comune Europeo di Riferimento per le Lingue prima di iscriversi a questo corso

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che si manifestano solitamente attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su temi rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, derivante dall’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE5 Progettare l’accessibilità, l’ergonomia, l’usabilità e la sicurezza dei sistemi, delle applicazioni e dei servizi informatici, nonché delle informazioni da essi fornite, in conformità con la legislazione e la normativa vigenti.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

Risultati di apprendimento

Comprende le questioni etiche nel campo dell’intelligenza artificiale.

Conosce la legislazione nazionale e internazionale che affronta le questioni etiche nell’ambito dell’intelligenza artificiale.

Conosce e applica la legislazione in materia di protezione dei dati personali e della privacy.

Dimostra interesse e spirito di iniziativa nell’integrare buone pratiche etiche nello sviluppo di soluzioni basate sull’intelligenza artificiale.

Risolve i problemi etici nel campo dell’intelligenza artificiale cercando di prevenire un impatto negativo sui cittadini, in particolare sui gruppi più svantaggiati.

Applica criteri di prudenza nella progettazione di sistemi basati sull’intelligenza artificiale, tenendo conto di requisiti preliminari molto rigorosi per evitare risultati potenzialmente dannosi.

Conosce e applica tecniche volte a evitare la distorsione nell’addestramento di modelli e algoritmi basati sull’intelligenza artificiale.

Comprendere le questioni etiche nel campo dell’intelligenza artificiale.

Conoscere la legislazione nazionale e internazionale in materia di questioni etiche nell’ambito dell’intelligenza artificiale.

Conoscere e applicare la normativa in materia di protezione dei dati personali e della privacy.

Sviluppare sensibilità e spirito di iniziativa per integrare buone pratiche etiche nello sviluppo di soluzioni basate sull'intelligenza artificiale.

Risolvere i problemi etici nel campo dell’intelligenza artificiale cercando di prevenire l’impatto negativo sui cittadini, in particolare sui gruppi più svantaggiati.

Applicare criteri di prudenza nella progettazione di sistemi basati sull’intelligenza artificiale, tenendo conto di prerequisiti molto rigorosi per evitare risultati potenzialmente dannosi.

Conoscere e applicare tecniche volte a evitare distorsioni nell’addestramento di modelli e algoritmi basati sull’intelligenza artificiale

Descrizione dei contenuti

Quadro giuridico europeo in materia di intelligenza artificiale.

Normativa sulla protezione dei dati personali.

Affidabilità dei sistemi di intelligenza artificiale.

Responsabilità dei sistemi di intelligenza artificiale.

Responsabilità dei sistemi di intelligenza artificiale.

Autonomia limitata dei sistemi di intelligenza artificiale.

Il ruolo degli esseri umani nei sistemi di intelligenza artificiale

Caso pratico: l’auto a guida autonoma.

Quadro giuridico europeo sull'intelligenza artificiale.

Regolamento sulla protezione dei dati personali.

Affidabilità dei sistemi di intelligenza artificiale.

Responsabilità dei sistemi di intelligenza artificiale.

Responsabilità dei sistemi di intelligenza artificiale.

Autonomia limitata dei sistemi di intelligenza artificiale.

Il ruolo degli esseri umani nei sistemi di intelligenza artificiale.

Caso di studio: l’auto a guida autonoma.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi

AP14.- Presentazioni orali

AP15.- Dibattiti

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 40%

SE2.- Prove finali di verifica delle conoscenze 60%

Prerequisiti

Le lezioni frontali consisteranno in sessioni pratiche volte a preparare gli studenti a sviluppare competenze comunicative e di lavoro di squadra, nonché a familiarizzare con gli ambienti di lavoro professionali.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria vocazione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio campo di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, comprendendone l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE21 Applicare le conoscenze acquisite in un contesto lavorativo, per gestire i propri compiti con senso di responsabilità e lavorare in team con iniziativa e motivazione.

Risultati di apprendimento

RA-1. Lo studente deve possedere capacità di organizzazione, pianificazione e gestione efficace del tempo.

RA-2. Lo studente possieda la capacità di elaborare progetti e relazioni in forma orale e scritta in ambito aziendale.

RA-3. Lo studente possieda capacità di apprendimento, flessibilità e adattamento all’ambiente professionale

RA-4. Lo studente possieda capacità decisionali e di risoluzione dei problemi con iniziativa, autonomia e creatività.

RA-5. Lo studente sia in grado di assumere un impegno etico e di sviluppare una maggiore consapevolezza nei confronti delle questioni sociali, economiche e ambientali.

RA-6. Lo studente deve possedere capacità di leadership e di lavoro di squadra in contesti sotto pressione.

RA-7. Lo studente sviluppi le competenze interpersonali.

RA-8. Lo studente deve possedere la capacità di pensare in modo strategico e orientato ai risultati.

RA-9. Lo studente possieda la capacità di autoconoscenza e di crescita personale all’interno dell’ambiente professionale.

RA-10. Lo studente possieda capacità imprenditoriali e sviluppi la capacità di percepire autonomamente i problemi sociali in diversi contesti e ambiti multiculturali

Descrizione dei contenuti

Il contenuto del tirocinio esterno che lo studente dovrà svolgere si baserà sull’esperienza lavorativa presso una struttura precedentemente convenzionata con l’Università tramite un accordo in cui siano espressamente indicate le attività di tirocinio esterno presso tale struttura. Il tema scelto sarà definito prima dell’inizio del periodo di tirocinio dello studente e potrà riguardare diversi aspetti di natura professionale.

Attività formative

AP1.- Lezioni frontali partecipative

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP9.- Tirocinio esterno

Sistema e criteri di valutazione

SE.7 Relazione del tutor del tirocinio esterno 45%

SE.8 Relazione del tutor accademico del tirocinio esterno 40%

SE.9 Relazione sul tirocinio esterno 15%

Requisiti preliminari

La discussione della tesi di laurea triennale potrà svolgersi in videoconferenza a condizione che:

1) Una persona in rappresentanza dell’università verifichi di persona l’identità dello studente nel

luogo in cui questi sostenga la discussione della tesi di laurea e lo accompagni durante la stessa;

2) La discussione sia pubblica, sia nel luogo in cui si trova lo studente, sia in quello in cui si trova la commissione;

3) Esista la possibilità di interazione tra lo studente e la commissione.

Le lezioni frontali consisteranno in esercitazioni volte a fornire allo studente le basi relative alla metodologia di lavoro a progetto, all’identificazione delle fonti e alle tecniche di ricerca delle informazioni.

Competenze

CB1 Gli studenti abbiano dimostrato di possedere e comprendere conoscenze in un’area di studio che parte dalle basi dell’istruzione secondaria generale e si colloca solitamente a un livello che, pur basandosi su libri di testo avanzati, include anche alcuni aspetti che richiedono conoscenze all’avanguardia nel proprio campo di studio

CB2 Gli studenti sappiano applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi all’interno della propria area di studio

CB3 Che gli studenti abbiano la capacità di raccogliere e interpretare dati rilevanti (di norma nell’ambito della propria area di studio) per formulare giudizi che includano una riflessione su temi rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le competenze di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CG5 Pianificare le attività dei progetti informatici o nel settore delle TIC per garantire il raggiungimento degli obiettivi e il rispetto delle scadenze stabilite

CG6 Integrare valori etici e sensibilità verso la trasformazione sociale, economica e ambientale nella propria attività professionale e scientifica nell’ambito dell’informatica e delle tecnologie dell’informazione e della comunicazione.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CE20 Difendere un lavoro proprio e originale nell’ambito dell’Informatica e dell’Intelligenza Artificiale che sintetizzi le conoscenze e le competenze del corso di laurea.

Risultati di apprendimento

RA-1. Lo studente realizzi individualmente, presenti e difenda davanti a una commissione universitaria un progetto nel campo della Business Intelligence di natura professionale, in cui siano sintetizzate e integrate le competenze richieste nel corso di studi

Descrizione dei contenuti

La tesi di laurea dovrà verificare l’acquisizione da parte dello studente delle competenze generali e specifiche del corso di laurea, sintetizzando le competenze acquisite durante il percorso formativo, oppure attraverso un lavoro di carattere innovativo in uno degli ambiti di competenza del corso di laurea, di sufficiente complessità, in un contesto il più possibile vicino alla realtà. Lo studente dovrà sviluppare un lavoro coerente, di durata realistica rispetto agli obiettivi prefissati. Si tratterà di presentare un lavoro originale, frutto della ricerca di fonti e del contributo personale dello studente.

Attività formative

AP1 Lezione frontale partecipativa

AP5 Tutoraggio

AP7 Elaborazione della tesi di laurea

AP8 Discussione pubblica della tesi di laurea

Sistema e criteri di valutazione

SE 5 Tesi di laurea 70%

SE 6 Discussione e presentazione della tesi di laurea davanti alla commissione esaminatrice 30%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB1 Gli studenti devono aver dimostrato di possedere e comprendere conoscenze in un'area di studio che parte dalle basi dell'istruzione secondaria generale e si colloca solitamente a un livello che, pur basandosi su libri di testo avanzati, include anche alcuni aspetti che richiedono conoscenze all'avanguardia nel proprio campo di studio

CB2 Gli studenti sappiano applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che si manifestano solitamente attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi all’interno della propria area di studio

CB3 Che gli studenti abbiano la capacità di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su temi rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CE1 Risolvere problemi astratti e complessi relativi all’Intelligenza Artificiale utilizzando metodi, tecniche e concetti matematici per progettare soluzioni digitali.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale mediante l’uso dell’informatica e dell’intelligenza artificiale.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale, al fine di sviluppare prototipi di soluzioni digitali.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Conoscere i modelli statistici attraverso strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Conosce i concetti di base della biologia molecolare e cellulare.

Conosce il progetto Genoma umano, la sua utilità e il suo potenziale futuro.

Comprende le sfide attuali della biologia che possono essere affrontate con le tecnologie informatiche e l’intelligenza artificiale.

Comprende il contributo degli strumenti della scienza dei dati al Progetto Genoma.

Conoscere il contesto della medicina digitale e le tecnologie che stanno contribuendo a una nuova era nella medicina.

Comprendi le sfide e le opportunità offerte dall’intelligenza artificiale per migliorare la medicina e i servizi sanitari.

Conoscere l’applicazione della scienza dei dati nella medicina digitale.

Conoscenza dei concetti di base della biologia molecolare e cellulare.

Acquisire familiarità con il Progetto Genoma Umano, la sua utilità e il suo potenziale per il futuro.

Comprendere le attuali sfide nel campo della biologia che possono essere affrontate con le tecnologie informatiche e di intelligenza artificiale.

Comprendere il contributo degli strumenti di scienza dei dati nel Progetto Genoma.

Comprendere il contesto della medicina digitale e le tecnologie che stanno contribuendo a una nuova era nella medicina.

Comprendere le sfide e le opportunità offerte dall’intelligenza artificiale per migliorare la medicina e i servizi sanitari.

RA-9. Conoscere l’applicazione della scienza dei dati nella medicina digitale.

Descrizione dei contenuti

Introduzione alla biologia cellulare e molecolare.

Il progetto Genoma Umano.

Ingegneria genetica.

Bioinformatica e simulazione dei processi biologici.

Analisi dei Big Data e biologia dei sistemi.

Introduzione alla medicina digitale.

Tecnologie della medicina digitale.

Scienza dei dati per la medicina.

Applicazione dell'intelligenza artificiale nella diagnosi delle malattie e nella cura dei pazienti.

Introduzione alla biologia cellulare e molecolare.

Il Progetto Genoma Umano.

Ingegneria genetica.

Bioinformatica e simulazione dei processi biologici.

Analisi dei Big Data e biologia dei sistemi.

Introduzione alla medicina digitale.

Tecnologie della medicina digitale.

Scienza dei dati per la medicina.

Applicazione dell'intelligenza artificiale nella diagnosi delle malattie e nella cura dei pazienti.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi clinici

AP12.- Risoluzione di problemi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un altro requisito, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE8 Conoscere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

Risultati di apprendimento

Comprende i fondamenti della tecnologia blockchain

Comprende cos’è il Bitcoin e come funziona.

Conoscere le applicazioni e i casi d’uso della tecnologia blockchain nel settore dei servizi finanziari

Apprendere le diverse categorie di cripto-asset e le modalità con cui è possibile effettuare transazioni tramite la tecnologia blockchain.

Scopri come la blockchain sta trasformando l’economia e la società in generale.

Comprendi il rapporto tra la tecnologia blockchain e il Bitcoin e la loro importanza.

Pensa a modelli innovativi di applicazione della tecnologia blockchain.

Acquisisci le competenze necessarie per progettare e implementare contratti intelligenti.

Scopri i metodi per sviluppare applicazioni decentralizzate sfruttando la tecnologia blockchain.

Scopri i framework blockchain specifici per il settore finanziario.

Conoscere la normativa e il ruolo fondamentale dei dati e della sicurezza nel settore Fintech.

Descrizione dei contenuti

Fondamenti della blockchain.

Piattaforme tecnologiche blockchain.

Contratti intelligenti.

Token digitali.

Applicazioni decentralizzate (Dapps)

Crittografia e funzioni hash.

Introduzione alle criptovalute e al Bitcoin.

Funzionamento di Bitcoin e ruolo della tecnologia blockchain.

Mining di Bitcoin.

Trasformazioni dei servizi finanziari grazie alla tecnologia blockchain e al Bitcoin.

Regolamentazione nel settore FinTech.

Ostacoli e sfide della tecnologia Bitcoin.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi studio

AP12.- Risoluzione di problemi

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito della propria area di studio

CB3 Gli studenti siano in grado di raccogliere e interpretare dati rilevanti (di norma nell’ambito del proprio settore di studio) per formulare giudizi che includano una riflessione su tematiche rilevanti di natura sociale, scientifica o etica

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Che gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE3 Astrarre dati e modelli per memorizzare le rappresentazioni interne dei modelli di Intelligenza Artificiale, quali i classificatori lineari e le reti di apprendimento profondo.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE10 Elaborare dati eterogenei per estrarre informazioni e supportare il processo decisionale attraverso l’uso dell’informatica e dell’intelligenza artificiale.

CE11 Applicare modelli predittivi e utilizzare l’elaborazione del linguaggio naturale quando si lavora con set di dati di grandi dimensioni.

CE12 Utilizzare metodologie agili di sviluppo software con gli strumenti più all’avanguardia per lo sviluppo del machine learning.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale al fine di sviluppare prototipi di soluzioni digitali.

CE16 Elaborare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per la loro applicazione in diversi contesti di conoscenza.

CE19 Comprendere i modelli statistici tramite strumenti digitali e grafici per descrivere diverse caratteristiche di interesse delle variabili e interpretare i risultati.

Risultati di apprendimento

Comprende i fondamenti fisici dell’informatica quantistica.

Conosce le sfide del calcolo quantistico che non possono essere risolte con il calcolo classico.

Conosce i modelli matematici utilizzati nell’informatica quantistica.

Conoscere i principali algoritmi impiegati nell’informatica quantistica.

Comprende le architetture, le compilazioni e i linguaggi di programmazione per i processori quantistici.

Utilizza le piattaforme tecnologiche e i framework che sfruttano l’informatica quantistica.

Scopri le attuali applicazioni delle soluzioni basate sull’informatica quantistica e le possibilità future.

Descrizione dei contenuti

Introduzione all’informatica quantistica.

Modelli matematici. Il qubit.

L'algoritmo di Grover.

L'algoritmo di fattorizzazione di Shor.

Piattaforme tecnologiche per l'informatica quantistica.

Applicazioni pratiche.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP10. Risoluzione di problemi

AP11. Elaborazione di progetti

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6. Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CE1 Risolvere problemi astratti e complessi relativi all’Intelligenza Artificiale utilizzando metodi, tecniche e concetti matematici per progettare soluzioni digitali.

CE2 Progettare algoritmi per risolvere un problema specifico utilizzando un linguaggio di programmazione adeguato e preparando un set di dati per la loro corretta esecuzione su una piattaforma digitale.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

CE13 Scrivere programmi informatici con linguaggi di programmazione moderni per l’intelligenza artificiale al fine di sviluppare prototipi di soluzioni digitali.

CE15 Costruire dispositivi meccanici o robot in grado di svolgere compiti ricevendo comandi dagli esseri umani.

CE17 Risolvere problemi matematici applicando tecniche di teoria dei grafi e algoritmiche.

Risultati di apprendimento

Comprende il process mining e la sua relazione con l’elaborazione dei dati.

Comprende i concetti di base dell’automazione dei processi robotici (RPA).

Distingue l’RPA dall’automazione tradizionale

Comprende in che modo l’RPA influenzerà i processi aziendali all’interno di un’organizzazione.

Comprende le diverse architetture RPA per realizzare soluzioni attraverso la creazione di robot software che automatizzano attività ripetitive.

Comprendere ed effettuare un'analisi di fattibilità e complessità dei processi candidati all'RPA identificati

Identifica, all’interno di un’organizzazione, quali tipi di processi sono più adatti ad essere automatizzati con l’RPA.

Descrizione dei contenuti

Fondamenti di reingegnerizzazione dei processi.

Metodologia Lean.

Process Mining.

Automazione robotica dei processi (RPA).

Strumenti RPA.

Applicazione dell'apprendimento automatico all'automazione dei processi (Cognitive Automation).

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi studio

AP12.- Risoluzione di sfide

AP13.- Attività di workshop e/o laboratori

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 30%

SE2.- Prove finali di verifica delle conoscenze 60%

SE3.- Quaderno delle esercitazioni di laboratorio 10%

Prerequisiti

Non sono stati stabiliti prerequisiti

Competenze

CB2 Gli studenti siano in grado di applicare le proprie conoscenze al proprio lavoro o alla propria professione in modo professionale e possiedano le competenze che solitamente si dimostrano attraverso l’elaborazione e la difesa di argomentazioni e la risoluzione di problemi nell’ambito del proprio settore di studio

CB4 Gli studenti siano in grado di trasmettere informazioni, idee, problemi e soluzioni a un pubblico sia specializzato che non specializzato

CB5 Gli studenti abbiano sviluppato le capacità di apprendimento necessarie per intraprendere studi successivi con un elevato grado di autonomia

CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informativi digitali.

CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle tecnologie digitali e all’intelligenza artificiale, ne comprendendo l’impatto socioeconomico.

CG3 Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività del professionista delle tecnologie digitali.

CG4 Identificare i rischi associati alla realizzazione di progetti relativi all’informatica e all’intelligenza artificiale.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni.

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione.

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori.

CE4 Dirigere progetti basati sulle tecnologie digitali, elaborando la pianificazione delle attività, monitorando lo svolgimento delle stesse, gestendo il controllo economico del budget e garantendo il raggiungimento degli obiettivi nei tempi e con la qualità stabiliti.

CE8 Comprendere i problemi relativi alle scienze dell’informatica e all’intelligenza artificiale, per applicare la soluzione migliore in modo efficiente e tempestivo.

Risultati di apprendimento

Impara a organizzare, pianificare e gestire efficacemente il tempo.

Sviluppa la capacità decisionale e di risoluzione dei problemi con iniziativa, autonomia e creatività.

Acquisisce un impegno etico e una maggiore consapevolezza nei confronti delle tematiche sociali, economiche e ambientali.

Sviluppa le competenze interpersonali.

Impara a pensare in modo strategico e orientato ai risultati.

Acquisisci conoscenze pratiche sui processi di creazione di un’impresa e comprendi le specificità della gestione imprenditoriale digitale.

Descrizione dei contenuti

L'imprenditorialità nell'ambiente digitale.

Evoluzione storica e tendenze dei modelli di impresa digitale.

Identificare e analizzare i modelli di business digitali.

Lo spirito imprenditoriale.

Creatività e idea imprenditoriale.

Il modello di business.

L'analisi strategica e gli obiettivi.

Il piano di marketing, di produzione, organizzativo e finanziario dell’azienda.

Passaggi per la costituzione dell’impresa.

Vantaggi e svantaggi dell’avvio di un’attività digitale.

Attività formative

AP1.- Lezioni frontali partecipative

AP2.- Seminari o lezioni di applicazione pratica

AP3.- Analisi di casi di studio

AP14.- Presentazioni orali

AP15.- Dibattiti

AP4.- Lavoro autonomo

AP5.- Tutoraggio

AP6.- Verifiche delle conoscenze

Sistema e criteri di valutazione

Fatta salva l'eventualità che nel programma del corso possa essere definito un altro requisito, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso.

----

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 40%

SE2.- Prove finali di verifica delle conoscenze 60%