Contenuto principale della pagina Menu di navigazione Modulo di ricerca su uniPi Modulo di ricerca su uniPi

ARTIFICIAL INTELLIGENCE AND DATA ENGINEERING

Corso di laurea magistrale

Piano di Studi


Primo anno

  • Optimization Methods and Game Theory (6 cfu)

    • Il corso si propone di introdurre i concetti teorici di base e le principali tecniche algoritmiche per risolvere problemi di ottimizzazione e di teoria dei giochi. In particolare, il corso si concentrerà sui seguenti aspetti: teoria dell’ottimizzazione non lineare, metodi di ottimizzazione locale e globale, applicazioni alle Support Vector Machines per la risoluzione di problemi di classificazione e di re-gressione, teoria e metodi risolutivi per problemi di ottimizzazione multiobiettivo, giochi non-cooperativi ed equilibri di Nash, relazioni tra giochi non-cooperativi ed ottimizzazione, software di ottimizzazione.
  • Business and Project Management (9 cfu)

    • • Apprendere modelli analitici di teoria dell’impresa
      • Apprendere modelli di strategia competitiva e gestione strategica dell’impresa
      • Acquisire la logica generale e i principali strumenti di management in tutte le funzioni aziendali più rilevanti (sviluppo prodotto, produzione, logistica, marketing, finanza e con-trollo, qualità) in una ottica integrata e sistemica
      • Acquisire la teoria e la pratica della Gestione dei progetti
      • Saper sviluppare una offerta integrata di tecnologie digitali (HW, SW e sistemi) in risposta a problemi di business di tipo strategico e/o funzionale, con i relativi casi d’uso e strumenti di gestione di una gara competitiva
      • Saper sviluppare opportunità imprenditoriali (entrepreneurship).

  • Cloud Computing (9 cfu)

    • Lo studente apprenderà i principi del cloud computing attraverso una combinazione di comprensione teorica e conoscenze tecniche e pratiche. I principi base e argomenti su tecnologie cloud avanzate sono discusse coprendo sia concetti infrastrutturali e che di piattaforme. Modelli di programmazione orientati a sistemi cloud in aggiunta ad esempi pratici sullo sviluppo di applicazioni sono inoltre presentati. Lo studente che completa con successo il corso è in grado di dimostrare le conoscenze necessarie per comprendere, progettare e analizzare le infrastrutture e applicazioni cloud attuali e future.
  • Large-Scale and Multi-Structured Databases (9 cfu)

    • Il corso ha l’obiettivo di fornire la teoria e la pratica dei moderni sistemi di basi di dati su larga scala e multi-strutturati. Alla fine del corso, gli studenti comprendono in che modo è possibile gestire e archiviare un insieme molto ampio di dati complessi e multi-strutturati, e conoscono i prin-cipi dei sistemi di basi di dati su larga scala più comuni, inclusa la loro architettura, le prestazioni e i costi.
  • Data Mining and Machine Learning (12 cfu)

    • Il corso si propone di introdurre i concetti e le tecniche principali usate in data mining e machine learning per estrarre conoscenza dai dati. In particolare, il corso si concentrerà sugli aspetti seguenti: pre-processazione dei dati, estrazione dei pattern frequenti, estrazione dei pattern sequenziali, classificazione, predizione, clustering di oggetti e grafi, rilevazione di anomalie, analisi di flussi di dati, data mining distribuito. Il corso tratterà in sequenza gli aspetti seguenti relativi a data mining e machine learning. Analisi preliminare e visualizzazione dei dati. Pre-processazione dei dati. Estrazione dei pattern frequenti e regole associative. Classificazione. Clustering. Rilevazione di anomalie. Clustering di grafi. Estrazione di pattern sequenziali frequenti. Data mining di flussi di dati. Framework per data mining distribuito.
  • 15 cfu a scelta nel gruppo Gruppo A

    • Gruppo attività formative affini o integrative
    • Algoritmi e strutture dati (6 cfu)

      • L’insegnamento ha l’obiettivo di fornire le metodologie per 1) la programmazione orientata agli oggetti, 2) valutare la complessità degli algoritmi.
    • Basi di dati (9 cfu)

      • L’insegnamento ha l’obiettivo di fornire le metodologie per il progetto, l'organizzazione e l'interrogazione delle basi di dati.
    • Diritto dell’Informatica (6 cfu)

      • Il corso si propone di analizzare l’impatto che Internet e il Web, in connessione con i recenti sviluppi dell’Intelligenza Artificiale, hanno avuto ed hanno sulle regole giuridiche e l’uso delle regole giuridiche per disciplinare le attività e i comportamenti nella Rete, con particolare riferimento ai rapporti tra soggetti privati e imprese. Una specifica attenzione è rivolta alla disciplina del trattamento dei dati personali e ai problemi giuridici posti dai Big Data, alla contrattazione telematica B2B e B2C e alla circolazione delle informazioni nella società tecnologica, oltre che agli illeciti civili (contrattuali ed extracontrattuali) commessi dai soggetti operanti nella Rete.
    • Distributed Systems and Middleware Technologies (6 cfu)

      • Il corso si propone di fornire agli studenti gli strumenti più appropriati, sia a livello concettuale che tecnologico, per sviluppare applicazioni distribuite moderne. Dopo aver introdotto modelli, paradigmi e algoritmi per il software distribuito, verranno presentate varie classi di sistemi middleware, evidenziando le problematiche da essi affrontate. Gli studenti impareranno a progettare, implementare e integrare software distribuito, possibilmente costituito anche da moduli eterogenei. Inoltre, saranno in grado di scegliere e applicare le soluzioni middleware più appropriate per risolvere I vari problemi pratici tipici delle applicazioni enterprise distribuite.
    • Foundations of Cybersecurity (9 cfu)

      • L'obiettivo del corso è fornire agli studenti la conoscenza delle metodologie di base e le relative competenze per il progetto e lo sviluppo di protocolli ed applicazioni distribuite sicure. In particolare, agli studenti saranno presentate le metodologie di base per l’analisi delle minacce, la valutazione del rischio cyber e la codifica sicura. Inoltre, saranno presentati i principali schemi crittografici moderni che gli studenti impareranno ad utilizzare per la protezione dei dati “a riposo” ed “in transito” e di cui impareranno a valutare l’impatto sulle prestazioni. I concetti presentati saranno esemplificati mediante la discussione di casi reali. Gli studenti applicheranno le metodologie acquisite in esercitazioni pratiche.
    • Gestione dell’Innovazione (6 cfu)

      • • Apprendere modelli analitici del ruolo della innovazione nella dinamica industriale delle imprese • Sviluppare capacità complesse di diagnostica e di problem solving applicate a contesti di impresa • Acquisire una cassetta degli attrezzi di tecniche gestionali per il management del processo innovativo, dalle fasi iniziali (generazione delle idee, o fuzzy front-end), alla selezione delle idee, alla progettazione, prototipazione e testing dei nuovi prodotti fino al marketing B2C e B2B • Apprendere la teoria e la pratica della gestione della proprietà intellettuale (IP) • Comprendere il ruolo delle tecnologie digitali nella disruption e nel ridisegno dei modelli di business.
    • Internet of Things (9 cfu)

      • Il corso si propone di fornire le conoscenze teoriche sull’Internet of Things (IoT) e le metodologie di base per lo sviluppo di applicazioni IoT. Gli studenti imparano a progettare e sviluppare applicazioni basate sul paradigma IoT in diversi ambiti applicativi, quali smart cities, smart buildings, smart energy, smart industry, ecc.
    • Metodi di formazione e di elaborazione delle bioimmagini (6 cfu)

      • Formare lo studente sui metodi di ricostruzione, filtraggio ed estrazione di features nel settore dell’imaging biomedicale. La teoria sarà supportata da esercitazioni sviluppate in ambiente matlab utilizzando immagini reali e simulatori software.
    • Mobile and Social Sensing Systems (6 cfu)

      • L’obiettivo del corso è di fornire agli studenti una panoramica su problemi, soluzioni, metodi e tecnologie relativi ai sistemi mobili, indossabili e di social networking. Vengono discussi i principi fondamentali e le tecniche avanzate che riguardano la raccolta, il filtraggio e l'analisi di informazioni che possono essere estratte da piattaforme mobili e social, con enfasi sui dati provenienti da sensori fisici e umani. Alla fine del corso gli studenti avranno sviluppato le conoscenze e le competenze necessarie per progettare e implementare applicazioni intelligenti in una vasta gamma di domini, dall'e-health personalizzata all'analisi dei flussi di informazioni sociali.
    • Performance Evaluation of Computer Systems and Networks (9 cfu)

      • L’obiettivo del corso è mettere in grado gli studenti di modellare ed analizzare sistemi informatici, reti e servizi, padroneggiando sia tecniche analitiche (nello specifico, la teoria delle code), sia simulazione ad eventi discreti. Per raggiungerlo, una prima parte del corso copre tutti i prerequisiti di teoria della probabilità e statistica che sono necessari per la teoria delle code e la simulazione. La seconda parte del corso copre i principi della simulazione ad eventi discreti, inclusa l’analisi del workflow per la simulzione, le strutture dati usate per la simulazione, la generazione di numeri casuali, l’eliminazione dei transitori e l’analisi dei dati di uscita. La terza parte del corso esplora la teoria e le applicazioni della teoria delle code, trattando sistemi a coda singola e reti di code.
    • Programmazione avanzata (6 cfu)

      • L'insegnamento illustra l'organizzazione dei linguaggi ad alto livello, fornendo gli elementi che consentono di affrontare in maniera ingegneristica le problematiche dello sviluppo di prodotti software anche in presenza di concorrenza.
    • Reti Informatiche (9 cfu)

      • L'insegnamento ha lo scopo di fornire le conoscenze di base sulle reti di calcolatori, sulla programmazione di applicazioni distribuite e sull'amministrazione di un sistema informatico in rete.
    • Robotica e Macchine Intelligenti (6 cfu)

      • Il corso fornisce allo studente le nozioni fondamentali e gli strumenti necessari per l’analisi, la progettazione e lo sviluppo di metodologie e algoritmi per la pianificazione del moto di robot autonomi e per la gestione e il coordinamento di sistemi multi-robot, sia in ambito industriale che di servizio.
    • Sistemi Operativi (9 cfu)

      • L'insegnamento ha l'obiettivo di fornire le conoscenze di base sulla organizzazione di un sistema operativo multiprogrammato.
    • Statistica (6 cfu)

      • • Apprendere i fondamenti matematici della statistica • Apprendere e saper usare i concetti di covariazione e correlazione • Sviluppare modelli di regressione lineare e regressione logistica e saper interpretare cor-rettamente i risultati delle stime • Apprendere e saper usare i principali modelli di analisi multivariata (analisi fattoriale, ana-lisi delle componenti principali, clustering) • Saper costruire e interpretare serie storiche di dati • Acquisire pratica del software R per la costruzione dei dataset, l’impostazione dei modelli appropriati e l’analisi dei dati
  • Secondo anno

  • Final examination (24 cfu)


  • Free Activity (9 cfu)

    • Insegnamento a libera scelta, da sottoporre all'approvazione del Consiglio di Corso di Studio.
  • Symbolic and Evolutionary Artificial Intelligence (6 cfu)

    • Questo corso mira a fornire agli studenti una visione unitaria all’intelligenza artificiale moderna. Come prima cosa viene introdotta l’intelligenza artificiale simbolica, insieme alle tecniche di esplorazione in profondità e in ampiezza. Poi viene introdotto il concetto di agente, insieme a quello di sistema multiagente, quest’ultimo visto come modello unificante di molti sistemi di in-telligenza artificiale distribuiti oggi in uso. In particolare verranno presentati due approcci multiagente, quello dell’intelligenza a sciami e quello dell’intelligenza evolutiva, che si sono rivelati particolarmente efficaci nella soluzione di problemi che richiedono un approccio distribuito. Nella parte finale del corso verranno trattati alcuni argomenti avanzati di intelligenza artificiale, quali: la velocizzazione di reti neuro-fuzzy ad architettura profonda (sfruttando nuove rappresentazioni dei numeri reali e sviluppando gli associati acceleratori hardware), la progettazione e la validazione dei classificatori a singola classe, la progettazione di reti neurali con pesi infinitesimi o infiniti, ecc...
  • Multimedia Information Retrieval and Computer Vision (9 cfu)

    • Il corso ha lo scopo di fornire agli studenti delle solide basi sulle tecniche di ricerca di informazione multimediale, ricerca basata sul contenuto, ricerca basata su similarità, visione artificiale, e Data Mining di informazione multimediale, facendo leva su soluzioni importate dall’intelligenza artificiale. Gli studenti apprenderanno le sfide e le problematiche relative all’accuratezza, efficienza, e scalabilità nel gestire collezioni multimediali di enormi dimensioni. Il corso affronterà le problematiche e discuterà le soluzioni per la ricerca basata su similarità, ricerca di informazione multimediale in base al contenuto, identificazione e riconoscimento di oggetti, analisi e descrizione dei contenuti multimediali, indicizzazione dei contenuti multimediali, mining e classificazione dei documenti multimediali, ricerca testuale, ricerca di audio, metodi di accesso scalabili per la ricerca basata su similarità, tecniche di Deep Learning applicate al multimedia.
  • Process Mining and Intelligence (6 cfu)

    • Il corso mira a fornire conoscenze e esperienze essenziali per lo sviluppo di sistemi informativi intelligenti per la gestione dei processi di impresa, che analizzano un processo organizzativo o un flusso di lavoro operativo, generano una modellazione derivata dai dati di complesse organizzazioni, con le sue astrazioni e interfacce, le sue metriche, quali produttività, interpretabilità, robustezza, adattabilità, scalabilità, costi di manutenzione, modularità, rispetto alla complessità del problema e agli attori coinvolti. L’intelligenza dei processi costituisce un approccio moderno per creare, simulare, eseguire, monitorare i processi di una organizzazione, con obiettivi quali il miglioramento della produttività, riduzione dei costi, incremento dell’agilità, integrazione, interope-rabilità e coordinamento tra attori e sistemi coinvolti.
  • Computational Intelligence and Deep Learning (6 cfu)

    • Il corso si propone di offrire agli studenti l’opportunità di apprendere i concetti e i metodi di base dell’intelligenza computazionale, di avere una conoscenza approfondita delle tecniche computazionali associate, cioè reti neurali artificiali, sistemi fuzzy e algoritmi genetici, e di sapere come applicarle ad un’ampia varietà di aree applicative. L’ulteriore obiettivo del corso è quello di introdurre le principali tecniche, algoritmi e applicazioni del deep learning. Al completamento con successo di questo corso, lo studente sarà in grado di applicare metodi di intelligenza computazionale e tecniche di deep learning a un’ampia varietà di problemi del mondo reale e di affrontare problemi che sono difficili o impossibili da risolvere con approcci computazionali tradizionali.

Questo sito utilizza solo cookie tecnici, propri e di terze parti, per il corretto funzionamento delle pagine web e per il miglioramento dei servizi. Se vuoi saperne di più, consulta l'informativa