Seconda edizione della Scuola Avanzata sull'Intelligenza Artificiale

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”.

 

IL CORSO

 

  • Stiamo assistendo al pervasivo ed inarrestabile ingresso dell’Intelligenza Artificiale (IA) in molti settori, che si sono avvalsi fino a pochi anni, se non mesi, fa di tecnologie informatiche tradizionali (si pensi alla gestione e trattamento dei dati propri di ogni sistema informativo aziendale, ma anche all’analisi di immagini e filmati, etc).
  • L’Intelligenza Artificiale si sta diffondendo come tecnologia pronta all’uso in tutti i campi applicativi, nella sua accezione moderna di sistemi cognitivi e di ragionamento basati sull’apprendimento automatico (machine learning) e sull’apprendimento profondo con reti neurali artificiali (deep learning), ma anche nella sua accezione classica e sempre in evoluzione basata su modelli di ragionamento simbolico e logico.
  • I temi proposti sono di chiaro interesse per le aziende del territorio e per le aziende nazionali.

 

PROGRAMMA

Teoria (40 ore)

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

Modulo A: Introduzione all’Intelligenza Artificiale (6 ore)

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

Modulo B: Constraint processing (11 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 (11 ore)

  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 (12 ore)

  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 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 

DOCENTI

Evelina Lamma - Direttore

Evelina Lamma è dal 2000 Professore di I fascia presso l'Università di Ferrara, dove è stata Coordinatore di Dottorato, e Coordinatore di corsi di studio. Sin dalla laurea, si è occupata di tecniche di Intelligenza Artificiale, con significativa attività su logica computazionale svolta nel Dottorato di Ricerca conseguito nel 1990. Ha contribuito a sistemi di ragionamento probabilistico, apprendimento automatico, e deep learning, con integrazione neuro-simbolica. Nella sua attività di ricerca ha affrontato aspetti sia teorici sia realizzativi, con applicazione di tecniche di IA in vari settori, dalla medicina, alla sanità, e all'industria.  Ha coordinato l'unità di ricerca su IA del suo Ateneo in numerosi progetti di ricerca, regionali, nazionali, e internazionali. E’ autrice di oltre 220 lavori tra conferenze, riviste internazionali e capitoli di libro.

Marco Gavanelli

Marco Gavanelli si è laureato in Ingegneria Informatica presso l'Università di Bologna, ha ottenuto il dottorato di ricerca in Ingegneria dell'Informazione dall'Università di Modena e Reggio Emilia ed è attualmente Professore Associato presso il Dipartimento di Ingegneria dell'Università di Ferrara. I suoi interessi di ricerca spaziano sulla programmazione a vincoli, la programmazione logica, il ragionamento abduttivo, i sistemi multi-agente e l'intelligenza artificiale. È autore di oltre 100 pubblicazioni tra riviste, conferenze e capitoli di libro.

Marco Alberti

Marco Alberti è Professore Associato di Informatica presso il Dipartimento di Matematica e Informatica dell'Università di Ferrara. Ha conseguito la Laurea in Ingegneria Elettronica e il Dottorato di Ricerca in Ingegneria dell'Informazione presso la stessa Università. E' autore e co-autore di oltre 70 articoli peer reviewed nelle aree dell'Intelligenza Artificiale Statistico-Relazionale, Rappresentazione della Conoscenza e Ragionamento Automatico, Sistemi Multi-Agente, Sistemi-Normativi.

Elena Bellodi

Elena Bellodi è laureata in Ingegneria Informatica e dell’Automazione (curriculum Informatica, 2009) e ha ottenuto il Dottorato di ricerca in Scienze dell’Ingegneria (2013) presso l’Università di Ferrara, dove è attualmente Professore Associato (Dipartimento di Ingegneria) nel gruppo di ricerca di Machine Learning (ML@UniFE). I suoi interessi di ricerca includono Machine Learning, Probabilistic Logic Programming, Statistical Relational Artificial Intelligence, Description Logics e Semantic Web. E’ autrice di più di 60 lavori tra conferenze, riviste internazionali e capitoli di libro.

Riccardo Zese

Riccardo Zese si è laureato in Ingegneria Informatica e dell’Automazione presso l’Università di Ferrara, dove ha conseguito il dottorato in Scienze dell’Ingegneria. Attualmente è ricercatore a tempo determinato di tipo B e membro del gruppo di ricerca su Machine Learning e Artificial Intelligence ML@UniFE. Il suo lavoro è principalmente incentrato sullo sviluppo di tecniche di inferenza e apprendimento automatico per logiche probabilistiche per la gestione delle ontologie probabilistiche a partire da linked data. Parallelamente, studia l’applicazione di tecniche di Deep Learning, in combinazione con logiche classiche. E’ autore di oltre 55 pubblicazioni tra riviste, conferenze e capitoli di libro.

 

DETTAGLI DEL CORSO

  • Disponibilità: il corso è a numero chiuso (massimo 30 iscritti) ed include l'alloggioTutte 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 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. Verrà rilasciato un attestato di frequenza del corso.
  • 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, ore 23:59

 

SEDE DEL CORSO

La scuola sarà ospitata presso il Polo Scientifico Tecnologico dell'Università di Ferrara, in Via Saragat 1, Ferrara.

All'interno del Polo Scientifico Tecnologico sono presenti il bar "INGE BAR" e la mensa universitaria CIR (Via Saragat 4).
I pasti non sono rimborsabili.

MAPPA per raggiungere la sede del corso e i punti di ristoro.

 

Muoversi a Ferrara

L’utilizzo di mezzi di trasporto pubblico o privato non è rimborsabile.

In Treno

Il Polo Scientifico Tecnologico è situato vicino alla Stazione Ferroviaria, circa 10-15 minuti a piedi, e a poca distanza dal centro città.

In Autobus

I biglietti possono essere acquistati presso tabacchi, edicole, molti bar e direttamente a bordo.

  • Le linee 1, 6, 9 passano per le fermate Giovecca Teatini e Cavour Giardini e si fermano in Stazione ferroviaria.
    La linea 4 permette di raggiungere il Polo Scientifico Tecnologico (fermata Facoltà Ingegneria) partendo dalla Stazione ferroviaria.
  • La linea 7 passa per le fermate Giovecca Teatini e Cavour Giardini e conduce direttamente al Polo Scientifico Tecnologico (fermata Facoltà Ingegneria).
  • La linea 4 passa per la fermata Giovecca Teatini e conduce direttamente al Polo Scientifico Tecnologico (fermata Facoltà Ingegneria).

Per ulteriori informazioni consultare l'ORARIO ESTIVO nel sito Tper, oppure utilizzare Google Maps.

In Auto

Per chi arriva in auto il Polo Scientifico Tecnologico è dotato di ampio parcheggio (vedi mappa scaricabile in questa sezione).

A Piedi

Ferrara è una piccola città con una zona pedonale molto estesa. Di fronte al Polo vi è anche una postazione per il noleggio di monopattini elettrici (se si visita il centro in monopattino prestare massima attenzione alle strade acciottolate!).

In Bicicletta

Ferrara è conosciuta come la città delle biciclette e si può visitare interamente in sella a una bici. Si possono noleggiare biciclette in vari posti, maggiori informazioni possono essere trovate nel sito Ferrara in Bici.

In Taxi

Ferrara ha un servizio radio taxi attivo 24 ore al giorno. Si può prenotare un taxi telefonando al numero 0532/900900. Maggiori informazioni possono essere trovate nella pagina Radio Taxi Ferrara.

 

HOTEL

L’alloggio presso strutture alberghiere di Ferrara è consentito solo per i residenti esterni al Comune di Ferrara e solo in trattamento di Bed&Breakfast.

 

La camera, di tipologia DOPPIA o TRIPLAsarà prenotata e pagata direttamente dal Dipartimento di Ingegneria dell’Università di Ferrara, presso alcune strutture convenzionate di categoria 3*, con check-in 11/06/2022 e check-out 17/06/2022, nel centro storico di Ferrara. 
Non è previsto il rimborso di prenotazioni autonome delle camere.
-
Le informazioni sulla struttura riservata ai candidati ammessi saranno loro comunicate dopo l’immatricolazione via email.

FAQ

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:

  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.

 

 

Progetto triennale di alta formazione in ambito culturale, economico e tecnologico ai sensi dell’art. 2 della legge regionale n. 25/2018 approvato con deliberazione di Giunta regionale n.1251/2019.

Contacts

Info didattiche: asai@unife.it

Info amministrative/immatricolazione:

Ufficio Master School

ASAI © 2022-23
Privacy and Cookie Policy