Intelligenza artificiale: fondamenti e metodi
A.A. 2025/2026
Learning objectives
L'insegnamento ha lo scopo di introdurre i concetti fondamentali riguardanti l'Intelligenza Artificiale, illustrando i principali metodi ed applicazioni.
Si intende inoltre fornire allo studente le basi filosofiche e sociotecniche del concetto di Intelligenza Artificiale, con particolare attenzione al ruolo svolto dalla stessa nello sviluppo delle Scienze Cognitive.
Secondariamente si intende sviluppare nello studente conoscenza critica sui fattori psicologici e sociali connessi all'implementazione della Intelligenza Artificiale nel mondo reale.
Di massima importanza è considerata la conoscenza dei metodi impiegati dall'Intelligenza Artificiale nei diversi campi di applicazione, approfondendo gli aspetti algoritmici di ciascun argomento.
Nella presentazione dei contenuti del corso, particolare attenzione verrà posta su metodi ed applicazioni pertinenti all'analisi dei dati, in modo da fornire allo studente la comprensione dell'utilizzo dell'Intelligenza Artificiale come potente strumento di knowledge discovery.
Si intende inoltre fornire allo studente le basi filosofiche e sociotecniche del concetto di Intelligenza Artificiale, con particolare attenzione al ruolo svolto dalla stessa nello sviluppo delle Scienze Cognitive.
Secondariamente si intende sviluppare nello studente conoscenza critica sui fattori psicologici e sociali connessi all'implementazione della Intelligenza Artificiale nel mondo reale.
Di massima importanza è considerata la conoscenza dei metodi impiegati dall'Intelligenza Artificiale nei diversi campi di applicazione, approfondendo gli aspetti algoritmici di ciascun argomento.
Nella presentazione dei contenuti del corso, particolare attenzione verrà posta su metodi ed applicazioni pertinenti all'analisi dei dati, in modo da fornire allo studente la comprensione dell'utilizzo dell'Intelligenza Artificiale come potente strumento di knowledge discovery.
Expected learning outcomes
Lo studente dovrà aver appreso compiutamente i metodi sottostanti ai diversi tipi di applicazioni AI, sapendo confrontare in maniera critica le diverse soluzioni algoritmiche di un medesimo problema.
Inoltre, lo studente deve essere in grado di affrontare casi reali di AI management in contesto applicativo.
La comunicazione delle conoscenze apprese deve avvenire attraverso un lessico formalmente corretto.
Inoltre, lo studente deve essere in grado di affrontare casi reali di AI management in contesto applicativo.
La comunicazione delle conoscenze apprese deve avvenire attraverso un lessico formalmente corretto.
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Course syllabus and organization
Edizione unica
Programma
- Cosa è l'Intelligenza Artificiale (IA)
- Storia della IA
- Filosofia della IA
- Strong/Weak IA
- Concetto di Intelligenza dalla psicologia alla IA
- Ambiti di applicazione dell'intelligenza artificiale, con particolare attenzione a quello medico-sanitario
- sfide presenti e future all'implementazione della IA nei diversi contesti
- XAI (eXplainable Artificial Intelligence)
- Intelligenza Artificiale e Apprendimento Automatico (Machine Learning)
- Apprendimento supervisionato e non-supervisionato
- Classificazione, regressione, clustering
- Piattaforme di IA: il caso di Orange
- Analisi di dati con Orange
- Semplici modelli con Orange
- Introduzione a Python
- Utilizzo di Python sulla piattaforma online Jupyter
- Programmare in Python con ChatGPT
- Storia della IA
- Filosofia della IA
- Strong/Weak IA
- Concetto di Intelligenza dalla psicologia alla IA
- Ambiti di applicazione dell'intelligenza artificiale, con particolare attenzione a quello medico-sanitario
- sfide presenti e future all'implementazione della IA nei diversi contesti
- XAI (eXplainable Artificial Intelligence)
- Intelligenza Artificiale e Apprendimento Automatico (Machine Learning)
- Apprendimento supervisionato e non-supervisionato
- Classificazione, regressione, clustering
- Piattaforme di IA: il caso di Orange
- Analisi di dati con Orange
- Semplici modelli con Orange
- Introduzione a Python
- Utilizzo di Python sulla piattaforma online Jupyter
- Programmare in Python con ChatGPT
Prerequisiti
Non sono richieste conoscenze preliminari, tuttavia conoscenze almeno di base di area informatica sono opportune per una completa comprensione dei concetti che verranno proposti.
Metodi didattici
Per entrambi i moduli didattici, l'insegnamento prevede lezioni frontali, supportate dall'uso di slides.
Saranno fornite ulteriori risorse online multimediali e pubblicazioni rilevanti per il corso.
Saranno fornite ulteriori risorse online multimediali e pubblicazioni rilevanti per il corso.
Materiale di riferimento
1. Francesco Paolo Appio, , Davide La Torre, Francesca Lazzeri, Hatem Masri, Francesco Schiavone, F. (Eds.). (2023). Impact of Artificial Intelligence in Business and Society: Opportunities and Challenges (1st ed.). Routledge.
2. Shai Ben- David, Giuseppe Curigliano, David Koff, Barbara Alicja Jereczek-Fossa, Davide La Torre, Gabriella Pravettoni (Eds.) (2024). Artificial Intelligence for Medicine: An Applied Reference for Methods and Applications (1st ed.). Elsevier.
2. Shai Ben- David, Giuseppe Curigliano, David Koff, Barbara Alicja Jereczek-Fossa, Davide La Torre, Gabriella Pravettoni (Eds.) (2024). Artificial Intelligence for Medicine: An Applied Reference for Methods and Applications (1st ed.). Elsevier.
Modalità di verifica dell’apprendimento e criteri di valutazione
- la modalità di verifica sarà un esame orale: verranno poste allo studente domande che spaziano sull'intero programma del corso;
- i parametri di valutazione si baseranno sulla capacità dello studente di esporre l'argomento richiesto in modo chiaro, utilizzando un lessico rigoroso, eventualmente supportando la descrizione orale con la stesura scritta di formule e/o grafi, sulla capacità di ragionamento critico, e sulla dimostrazione di aver raggiunto una comprensione ampia della materia;
- non sono previste prove intermedie o pre-appelli;
- il tipo di valutazione sarà il voto in trentesimi (l'esame è superato con un punteggio minimo di 18 punti in entrambi i moduli didattici svolti dai docenti).
- i parametri di valutazione si baseranno sulla capacità dello studente di esporre l'argomento richiesto in modo chiaro, utilizzando un lessico rigoroso, eventualmente supportando la descrizione orale con la stesura scritta di formule e/o grafi, sulla capacità di ragionamento critico, e sulla dimostrazione di aver raggiunto una comprensione ampia della materia;
- non sono previste prove intermedie o pre-appelli;
- il tipo di valutazione sarà il voto in trentesimi (l'esame è superato con un punteggio minimo di 18 punti in entrambi i moduli didattici svolti dai docenti).
Professor(s)