Il corso presenta una panoramica sull’Intelligenza Artificiale con una vista su tutti gli aspetti che riguardano sia la parte più propriamente tecnica che quella etica e legale.

A CHI SI RIVOLGE

A tutti coloro che hanno necessità di essere introdotti al mondo dell’Intelligenza Artificiale e comprenderne tutti gli aspetti.

PREREQUISITI

Nessuno

CONTENUTI

Modulo 1 Introduzione all’Intelligenza Artificiale

• Definizione di intelligenza artificiale
• Il ruolo dell'intelligenza artificiale (AI) nella quarta rivoluzione industriale
• Storia dell’Intelligenza Artificiale
• Intelligenza Artificiale, Machine Learning e Deep Learning
• Il metodo scientifico
• Definizione di agente razionale
• Intelligenza Artificiale e Robotica
• Robot Co_Worker – Cobot
• Principi della robotica

Modulo 2 Intelligenza Artificiale, Machine Learning e Deep Learning

• I campi di applicazione dell'intelligenza artificiale (AI)
• Machine Learning vs Deep Learning
• Supervised, Unsupervised, Reinforcement Learning
• Reti neurali artificiali
• Teorema di approssimazione universale
• Addestramento e inferenza delle reti neurali artificiali
• Topologie di reti neurali artificiali e campi di applicazione
• Demo TensorFlow Neural Network Playground
• Ambienti di sviluppo
• Determined AI

Modulo 3 Sviluppo etico, sostenibile e legale dell’Intelligenza Artificiale

• Etica e leggi
• Future of Life Institute
• I 23 principi della conferenza di Asilomar del 2017 sull’Intelligenza Artificiale
• Intelligenza Artificiale e regimi politici
• Unione Europea - Orientamenti Etici per un AI affidabile
• Unione Europea - Proposta di Legge sull’Intelligenza Artificiale del 21 aprile 2021
• Definizione di sostenibilità
• I goal per lo sviluppo sostenibile delle Nazioni Unite
• Trolley Dilemma
• AI e il diritto alla spiegazione

Modulo 4 La progettazione di sistemi di Intelligenza Artificiale

• Approccio Agile ai progetti di Intelligenza Artificiale
• Gestione di un progetto di Intelligenza artificiale
• Acquisizione e preparazione dei dati
• Machine Learning Hyperparameters
• Set di dati per il training, la validazione e il test
• Transfer Learning, Feature Engineering, Misurazione della performance
• Soluzioni hardware
• Modelli Pre-trainati
• Esempio di programmazione con Python e TensorFlow
• Demo