Elementi di Intelligenza Artificiale (TD-ELAI1)

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