Dopo il successo della prima edizione (87 domande su 30 posti), l'Università di Ferrara organizza un secondo corso avanzato sull'Intelligenza Artificiale per diffondere la conoscenza sulle tecniche di IA di maggior successo. 

La scuola è un corso intensivo erogato in modalità blended:

- Lezioni di teoria (40 ore) disponibili su piattaforma digitale: dal 02/05/2023
- Attività laboratoriale in presenza full-time (40 ore): dal 12 al 16 giugno 2023

Il corso è rivolto a laureati in discipline scientifiche (matematica, fisica, statistica, etc) o ad esperti in settori tecnologici e scientifici interessati ad acquisire competenze e capacità nella progettazione e produzione di sistemi e servizi di IA, nonché a laureati nei settori informatici che vogliono aggiornare le proprie conoscenze nei settori emergenti dell’intelligenza artificiale.

La scuola è finanziata dalla Regione Emilia Romagna, attraverso il progetto “Advanced Schools in Artificial Intelligence in Emilia-Romagna”.

Teoria (40 ore)

Videolezioni su piattaforma digitale (tutti i moduli saranno immediatamente disponibili il 2/05/2023)

Modulo A: Introduzione all’Intelligenza Artificiale 

1. Perché tanta fame di Intelligenza Artificiale?
2. Sistemi knowledge-based 
3. Logica

Modulo B: Constraint processing

1. Il concetto di vincolo, problemi di soddisfacimento di vincoli e problemi di ottimizzazione vincolata
2. Modellazione di problemi
3. Algoritmi di propagazione di vincoli
4. Il linguaggio MiniZinc
5. Esempi di problemi a vincoli in ambito industriale: Scheduling/Timetabling, Routing, Production Planning

Modulo C: Fondamenti di Machine Learning e Data Mining 

1. Introduzione al Machine Learning
2. Strutture basate su alberi
3. Clustering
4. Apprendimento di regole
5. Metriche di performance

Modulo D: Fondamenti di Deep Learning 

1. Il linguaggio Python
2. Artificial Neural Networks
3. Convolutional Neural Networks
4. Recurrent Neural Networks
5. Autoencoders e self supervised learning

Esercitazioni laboratoriali (40 ore)

12 - 16 giugno 2023

Laboratorio Modulo A (4 ore)

1. Implementazione in linguaggio Python delle regole di un gioco a informazione completa e somma zero
2. Implementazione in linguaggio Python di un motore di gioco basato su algoritmo Min-Max
3. Implementazione in linguaggio Python di un motore di gioco che utilizzi i tagli Alfa-Beta

Laboratorio Modulo B (4 ore)

1. Esercitazione in MiniZinc su problemi matematici e logici
2. Esercitazione in MiniZinc su problemi con vincoli reificati
3. Esercitazione in MiniZinc su problemi di scheduling e/o di routing

Laboratorio Modulo C (4 ore)

1. Esercitazione pratica in Weka: modelli basati su alberi, clustering e regole associative
2. Esercitazione pratica con scikit-learn: modelli basati su alberi, clustering, regressione e regole associative

Laboratorio Modulo D (8 ore)

1. Esercitazione pratica con scikit-learn: analisi del dataset e delle metriche da usare per l'addestramento di reti neurali
2. Esercitazione pratica con Tensorflow: implementazione e addestramento di reti Fully connected
3. Esercitazione pratica con Tensorflow: implementazione e addestramento di reti convoluzionali
4. Esercitazione pratica con Tensorflow: implementazione e addestramento di reti ricorrenti
5. Esercitazione pratica con Tensorflow: transfer learning e fine tuning

Modulo E:  Case Study - Esperimenti di Apprendimento (20 ore)

1. Presentazione dei casi di studio
2. Lavori di gruppo 
3. Esposizione e condivisione dei risultati 

<!--

Prima settimana

6 - 10 giugno 2022

Modulo A: Introduzione all’Intelligenza Artificiale - 10 ore

1. Perché tanta fame di Intelligenza Artificiale?
2. Convivere con le Macchine Intelligenti, Nello Cristianini - Professor of Artificial Intelligence, University of Bristol, UK
3. Sistemi knowledge-based 
4. Logica

Modulo B: Constraint processing - 15 ore

1. Il concetto di vincolo, problemi di soddisfacimento di vincoli e problemi di ottimizzazione vincolata
2. Modellazione di problemi
3. Algoritmi di propagazione di vincoli
4. Il linguaggio MiniZinc
5. Esempi di problemi a vincoli in ambito industriale: Scheduling/Timetabling, Routing, Production Planning

Modulo C: Fondamenti di Machine Learning e Data Mining - 14 ore

1. Introduzione al Machine Learning
2. Strutture basate su alberi
3. Clustering
4. Apprendimento di regole
5. Metriche di performance

Seconda settimana

13 - 17 giugno 2022

Modulo D: Fondamenti di Deep Learning - 20 ore

1. Il linguaggio Python
2. Artificial Neural Networks 
3. Convolutional Neural Networks
4. Recurrent Neural Networks 
5. Autoencoders e self supervised learning 

Modulo E:  Case Study (Esperimenti di Apprendimento) - 19 ore

1. Presentazione del caso di studio
2. Lavori di gruppo 
3. Esposizione e condivisione dei risultati 

Prova finale - 1 ora

-->

• Disponibilità: il corso è a numero chiuso (massimo 30 iscritti) ed include l'alloggio. Tutte le altre spese sono a carico dei partecipanti.
• Quota di partecipazione: 32€ (a copertura di due bolli). 
• Crediti erogati: il Corso di Perfezionamento prevede l’erogazione di 16 CFU e di un attestato se al termine del corso si supera con valutazione positiva una prova scritta, che terrà conto anche di esercitazioni svolte in itinere, entro il termine ultimo del 14/07/2023. 
• Sede: Polo Scientifico Tecnologico - Blocco F, via G. Saragat 1, Ferrara.
• Lezioni di teoria: i moduli teorici (40 ore) saranno erogati come videoregistrazioni fruibili a partire dal 02/05/2023.
• Attività di laboratorio in presenza: una settimana (40 ore), dal 12/06/2023 al 16/06/2023.

• COME CANDIDARSI ALLA PARTECIPAZIONE: consultare il Bando di ammissione alla pagina ufficiale UNIFE
• TERMINE PRESENTAZIONE DOMANDA: 28/02/2023 - ISCRIZIONI CHIUSE

Per informazioni amministrative e problematiche relative alla procedura di immatricolazione contattare l'Ufficio Master School (UMS) di Unife. Per contattare l’Ufficio UMS, studentesse e studenti dovranno esclusivamente utilizzare il Servizio di Supporto Online Studenti – SOS selezionando la coda post-laurea.

Per contattare la direzione didattica (asai@unife.it) studentesse e studenti, dopo la chiusura delle immatricolazioni, dovranno utilizzare solo ed esclusivamente la propria mail istituzionale @edu.unife.it, alla quale peraltro saranno indirizzate tutte le comunicazioni da parte dell’Ateneo. 

1. La scuola è un corso di perfezionamento o un master? 
   E' un corso di perfezionamento.

2. Alla scuola si possono candidare anche studenti di dottorato? 
   La contemporanea iscrizione va verificata presso gli Uffici dell'Ateneo in cui si svolge il dottorato.

3. E' possibile candidarsi se si è un lavoratore?
   E' possibile immatricolarsi se si rispettano i titoli indicati all'Art.3. del Bando di ammissione.

4. Informazioni su contemporanea iscrizione a due corsi di istruzione superiore:
   https://ums.unife.it/informazioni-e-contatti/ita/contemporanea-iscrizione.

5. E' possibile fare domanda se la mia attività attuale concerne l'Intelligenza artificiale, ma la mia laurea non ricade tra le classi di laurea indicate nel bando?
   No, per immatricolarsi è obbligatorio avere uno dei titoli indicati nell'Art. 3 del Bando di ammissione.

6. Quando e come visualizzare la graduatoria?
   Entro il 03/04 sarà possibile verificare la propria posizione in graduatoria accedendo alla pagina http://studiare.unife.it con le stesse modalità utilizzate per l’iscrizione alla selezione. Questa modalità è l'unico mezzo ufficiale di pubblicità: le candidate e i candidati non ricevono comunicazioni personali.