Dopo il successo delle prime due edizioni, torna la Scuola di Alta Formazione ASAI: un percorso intensivo e gratuito per acquisire competenze avanzate in Machine Learning, Deep Learning e IA Generativa.
Il progetto è realizzato grazie ai Fondi europei della Regione Emilia-Romagna.
L’Intelligenza Artificiale (IA) sta trasformando in modo profondo e pervasivo numerosi settori della società e dell’economia: dalla gestione dei dati aziendali all’analisi di immagini e video, dai sistemi di supporto decisionale alle applicazioni industriali e sanitarie.
Tecnologie come machine learning, deep learning e IA generativa aprono scenari innovativi, con un forte impatto su imprese e ricerca.
Solo 20 posti disponibili, selezionati tramite bando ufficiale.
LA SCUOLA
La Scuola di Alta Formazione ASAI – Advanced School in Artificial Intelligence nasce per rispondere a queste sfide, offrendo un percorso intensivo e di qualità a professionisti, ricercatori e giovani talenti.
L’obiettivo è creare un ecosistema di conoscenza e innovazione in IA, capace di attrarre talenti, incentivare l’imprenditorialità e rafforzare la competitività regionale a livello nazionale e internazionale.
La Scuola è un corso intensivo e gratuito, finanziato dalla Regione Emilia-Romagna nell’ambito del progetto Advanced Schools in Artificial Intelligence in Emilia-Romagna.
Scarica il bando e scopri come candidarti!
Accedi al modulo Google Form per candidarti (richiede account Google)
PROGRAMMA
La Scuola fornisce competenze avanzate teoriche e pratiche, tra cui:
-
Introduzione all'Intelligenza Artificiale.
- Il linguaggio di programmazione Python: teoria e laboratorio.
-
Programmazione a vincoli e applicazioni alla risoluzione di problemi complessi.
-
Tecniche di machine learning supervisionato e non supervisionato.
-
Uso di reti neurali profonde (deep learning) per dati tabellari, immagini e serie temporali, con strumenti come TensorFlow.
-
Fondamenti e applicazioni dell’IA generativa (LLM, RAG, multimodalità, diffusion models).
-
Capacità di lavoro progettuale applicato a dataset reali.
DETTAGLI DEL CORSO
- Accesso: il corso è a numero chiuso (massimo 20 partecipanti).
- Quota di partecipazione: gratuita.
- Attestato: al termine del percorso verrà rilasciato un attestato di partecipazione a coloro che avranno frequentato almeno il 70% delle ore complessive del corso e consegnato un project work.
- Sede: Polo Scientifico Tecnologico, via G. Saragat 1 – Ferrara.
- Il corso sarà erogato in modalità blended, con:
-
- Lezioni in streaming live (20 ore): 7–9 gennaio 2026 (dalle 9 alle 17)
- Lezioni in presenza (80 ore): 12–23 gennaio (ore 9-18) + 25 febbraio 2026 (ore 9-13)
N.B. La lezione di chiusura della scuola il 25 febbraio è dedicata alla consegna dei project work e la partecipazione è obbligatoria.
-
DOCENTI
Prof. Elena Bellodi - Coordinatrice della scuola
Elena Bellodi è Professore Associato presso il Dipartimento di Ingegneria dell’Università di Ferrara, dove fa parte del gruppo di ricerca AI@UniFE dal 2009. I suoi interessi di ricerca includono Machine Learning, Probabilistic Logic Programming e Statistical Relational Artificial Intelligence, Description Logics e Semantic Web, nonché Process Mining e Natural Language Processing. È autrice di oltre 100 pubblicazioni tra articoli su riviste internazionali, atti di conferenze e capitoli di libro.
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 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. È 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.
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 Professore Associato presso il Dipartimento di Scienze chimiche, farmaceutiche ed agrarie e membro del gruppo di ricerca AI@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. È autore di oltre 60 pubblicazioni tra riviste, conferenze e capitoli di libro.
Damiano Azzolini ha ottenuto il Dottorato in Scienze dell'Ingegneria presso l'Università di Ferrara. Attualmente è ricercatore presso il Dipartimento di Scienze dell'Ambiente e della Prevenzione. I suoi interessi di ricerca includono apprendimento automatico, ragionamento probabilistico e tecniche di rappresentazione della conoscenza.
SEDE DEL CORSO
La Scuola sarà ospitata presso il Polo Scientifico Tecnologico dell’Università di Ferrara, in Via G. Saragat 1, Ferrara.
Apri su Google Maps
All’interno del Polo sono presenti alcuni punti di ristoro, tra cui il bar INGE BAR e la mensa universitaria CIR (Via Saragat 4).
Contacts
ASAI © 2025-26
Privacy and Cookie Policy