Percorso di Formazione
Insegnamenti
In che anno ti sei immatricolato? Il piano degli insegnamenti dipende dall'anno di immatricolazione.
Offerta Formativa a.a. 2023/2024
Insegnamenti e regolamento didattico per studenti immatricolati Anno 2023
I seguenti insegnamenti verranno erogati in forma blended nell'AA 2023/24:
-
Statistical Physics and Complex Systems, 6 CFU (di cui 1 CFU di didattica blended)
-
Deep Learning Applications, 6 CFU (di cui 1.25 CFU di didattica blended)
-
Generative Models, 6 CFU (di cui 1 CFU di didattica blended)
Offerta Formativa a.a. 2022/2023
Insegnamenti e regolamento didattico per studenti immatricolati Anno 2022
Offerta Formativa a.a. 2021/2022
Insegnamenti e regolamento didattico per studenti immatricolati Anno 2021
Percorso Formativo
Il Corso di Studio in Intelligenza Artificiale ha la seguente articolazione:
-
Primo anno: prevede tutte le attività formative di potenziamento degli strumenti di base, e le materie che hanno caratteristiche di propedeuticità su altre o non hanno dipendenze da altre. Nel primo anno trovano posto anche le materie a scelta libera dello studente per le quali la guida studente proporrà una lista esemplificativa e non esaustiva in grado di implementare alcuni dei ruoli formati, ma che lo studente sarà comunque libero di non utilizzare per il suo piano di studi, scegliendo esami non compresi e motivando l’inserimento nel percorso formativo.
-
Secondo anno: vengono erogate le conoscenze e capacità tecniche qualificanti per la classe, con esami dei settori scientifico-disciplinari caratterizzanti che non abbiano trovato collocazione al primo anno in quanto richiedono ulteriori propedeuticità.
PIANO ANNUALE I ANNO:
|
Anno
|
I Semestre
|
II Semestre
|
|
SSD
|
INSEGNAMENTO
|
CFU
|
SSD
|
INSEGNAMENTO
|
CFU
|
|
I
|
SECS-S/01
|
Foundations of Statistical Modeling
|
6
|
SECS-S/01
|
Foundations of Statistical Learning
|
6
|
|
ING-INF/05
|
Deep Learning
|
9
|
ING-INF/05 |
Deep Learning Applications |
6
|
|
2 corsi a scelta da Tabella A
|
12
|
|
2 corsi a scelta da Tabella B
|
12
|
|
2 corsi a scelta da Tabella C
|
3
|
|
2 corsi a scelta libera
|
6
|
PIANO ANNUALE II ANNO:
|
Anno
|
I Semestre
|
II Semestre
|
|
SSD
|
INSEGNAMENTO
|
CFU
|
SSD
|
INSEGNAMENTO
|
CFU
|
|
II
|
ING-INF/04
|
Autonomous Agents and Intelligent Robotics
|
6
|
|
Prova Finale
|
18
|
|
MAT/09
|
Optimization Techniques for Machine Learning
|
6
|
|
|
|
|
1 corso a scelta da Tabella A
|
6
|
|
2 corsi a scelta da Tabella B
|
12
|
|
2 corso a scelta da Tabella C
|
6
|
|
1 corso a scelta libera
|
6
|
Tabella A (AFFINI):
| SSD |
INSEGNAMENTO |
CFU |
ANNO |
SEMESTRE |
LINGUA |
| ING-IND/35 |
Innovation Management |
6 |
I |
1 |
inglese |
| M-PSI/02 |
Foundations of Neuroscience |
6 |
I |
2 |
inglese |
| IUS/08 |
Rights and Rules for Artificial Intelligence |
6 |
I |
2 |
inglese |
| FIS/03 |
Statistical Physics and Complex Systems |
6 |
I |
2 |
italiano |
| FIS/03 |
Quantum Machine Learning |
6 |
II |
1 |
italiano |
| SECS-S/01 |
Causal Inference |
9 |
II |
2 |
inglese |
| SECS-P/08 |
Digital Marketing and Market Automation |
6 |
II |
2 |
italiano |
| ING-IND/13 |
Industrial Robotics |
6 |
II |
2 |
italiano |
Tabella B (CARATTERIZZANTI):
| SSD |
INSEGNAMENTO |
CFU |
ANNO |
SEMESTRE |
LINGUA |
| ING-INF/05 |
Big Data Architectures |
6 |
I |
1 |
italiano |
| ING-INF/05 |
Knowledge Engineering |
6 |
I |
1 |
italiano |
| ING-INF/05 |
Parallel Programming for Machine Learning |
6 |
I |
1 |
italiano |
| ING-INF/05 |
Computational Vision |
6 |
I |
1 |
italiano |
| ING-INF/05 |
Stochastic Models |
6 |
I |
2 |
inglese |
| ING-INF/05 |
Data Mining |
6 |
I |
2 |
italiano |
| ING-INF/05 |
Computer Vision and Intelligent Media Recognition |
6 |
II |
1 |
italiano |
| ING-INF/05 |
Generative Models |
6 |
II |
1 |
italiano |
| ING-INF/05 |
Natural Language Processing |
6 |
II |
1 |
italiano |
| ING-INF/05 |
Geometric Learning |
6 |
II |
2 |
italiano |
| ING-INF/05 |
Explainable Artificial Intelligence |
6 |
II |
2 |
italiano |
Tabella C (PROJECT WORK):
|
SSD
|
INSEGNAMENTO
|
CFU
|
SEMESTRE
|
ANNO
|
|
N/A
|
Project Work in Big Data Architectures
|
3
|
1
|
I
|
|
N/A
|
Project Work in Computational Vision
|
3
|
1
|
I
|
|
N/A
|
Project Work in Knowledge Engineering
|
3
|
1
|
I
|
|
N/A
|
Project Work Parallel Programming for Machine Learning
|
3
|
1
|
I
|
|
N/A
|
Project Work in Data Mining
|
3
|
2
|
I
|
|
N/A
|
Project Work in Deep Learning Applications
|
3
|
2
|
I
|
|
N/A
|
Project Work in Stochastic Models
|
3
|
2
|
I
|
|
N/A
|
Project Work in Computer Vision and Intelligent Media Recognition
|
3
|
1
|
II
|
|
N/A
|
Project Work in Generative Models
|
3
|
1
|
II
|
|
N/A
|
Project Work in Optimization Methods for Machine Learning
|
3
|
1
|
II
|
|
N/A
|
Project Work in Robotics
|
3
|
1
|
II
|
|
N/A
|
Project Work in Natural Language Processing
|
3
|
1
|
II
|
|
N/A
|
Project Work in Explainable Artificial Intelligence
|
3
|
2
|
II
|
|
N/A
|
Project Work in Geometric Learning
|
3
|
2
|
II
|
ultimo aggiornamento: 17-Giu-2024
