SOFTWARE ENGINEERING FOR ARTIFICIAL INTELLIGENCE

Internazionalizzazione della Didattica SOFTWARE ENGINEERING FOR ARTIFICIAL INTELLIGENCE

0522500139
DIPARTIMENTO DI INFORMATICA
CORSO DI LAUREA MAGISTRALE
INFORMATICA
2021/2022

ANNO CORSO 1
ANNO ORDINAMENTO 2016
SECONDO SEMESTRE
CFUOREATTIVITÀ
630LEZIONE
Obiettivi
CONOSCENZE E CAPACITÀ DI COMPRENSIONE. GLI STUDENTI ACQUISIRANNO LA CONOSCENZA DELLE METODOLOGIE E DELLE TECNICHE DI ANALISI, PROGETTAZIONE E VERIFICA DI SISTEMI DI INTELLIGENZA ARTIFICIALE E, PIÙ IN PARTICOLARE, DI SISTEMI CHE RICHIEDONO L’UTILIZZO DI TECNICHE DI APPRENDIMENTO NEL CONTESTO DI SISTEMI SOFTWARE COMPLESSI E CRITICI.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE. GLI STUDENTI SARANNO IN GRADO DI INGEGNERIZZARE E OPERARE SU PIPELINE DI INTELLIGENZA ARTIFICIALE, ESSENDO IN GRADO DI AGIRE SU UN INTERO CICLO DI SVILUPPO BASATO SU MLOPS E, QUINDI, DALLA DEFINIZIONE AL MONITORAGGIO DI TALI PIPELINE.
Prerequisiti
GLI STUDENTI DEVONO AVERE CONOSCENZA PREGRESSA DI CONCETTI DI INGEGNERIA DEL SOFTWARE - CON PARTICOLARE RIFERIMENTO ALLA GESTIONE DELL’EVOLUZIONE DI SISTEMI SOFTWARE - E DI INTELLIGENZA ARTIFICIALE – IN QUESTO CASO, È SUFFICIENTE DISPORRE DI CONOSCENZE DI BASE.
Contenuti
I CONTENUTI SONO ARTICOLATI NEI SEGUENTI ARGOMENTI:

- ESTRAZIONE, VALIDAZIONE E PRE-ELABORAZIONE DEI DATI, CON PARTICOLARE RIFERIMENTO ALL’ESTRAZIONE E ALL’ANALISI DI BIG DATA;
- ADDESTRAMENTO E CONFIGURAZIONE DI MODELLI DI INTELLIGENZA ARTIFICIALE;
- FONDAMENTI DI SOFTWARE ANALYTICS PER MODELLI DI INTELLIGENZA ARTIFICIALE, CON PARTICOLARE RIFERIMENTO ALLA VALIDAZIONE/VERIFICA, SICUREZZA/PRIVACY, LEARNING BIAS, E EXPLAINABILITY DI MODELLI;
- VERSIONING DI MODELLI DI INTELLIGENZA ARTIFICIALE;
- DISTRIBUZIONE E MONITORAGGIO DI MODELLI DI INTELLIGENZA ARTIFICIALE;
- MANAGEMENT E DOCUMENTAZIONE DI SISTEMI DI INTELLIGENZA ARTIFICIALE.
Metodi Didattici
L’INSEGNAMENTO PREVEDE 30 ORE DI LEZIONE FRONTALI (6 CFU) A CARATTERE TEORICO/METODOLOGICO PER IL TRASFERIMENTO DELLE CONOSCENZE RICHIESTE E DEGLI STRUMENTI NECESSARI PER LE ATTIVITÀ PROGETTUALI.

AGLI STUDENTI VERRÀ ASSEGNATO UN PROGETTO (INDIVIDUALE O IN UN GRUPPO COMPOSTO DA UN MASSIMO DI 4 STUDENTI) SULLE TEMATICHE DEL CORSO TRAMITE IL QUALE POTRANNO APPROFONDIRE GLI ASPETTI PRATICI TRATTATI DURANTE LE ORE DI LEZIONE. L’IMPEGNO RICHIESTO SUL PROGETTO È DI CIRCA 30 ORE.
Verifica dell'apprendimento
IL RAGGIUNGIMENTO DEGLI OBIETTIVI DELL’INSEGNAMENTO È CERTIFICATO MEDIANTE IL SUPERAMENTO DI UN ESAME CON VALUTAZIONE IN TRENTESIMI. L’ESAME PREVEDE LA REALIZZAZIONE DI (1) UN PROGETTO INDIVIDUALE O DI GRUPPO E LA CONSEGNA DELLA RELATIVA DOCUMENTAZIONE E (2) UNA PROVA ORALE.

LA CONSEGNA DELLA DOCUMENTAZIONE DEL PROGETTO È PROPEDEUTICA ALLA PROVA ORALE.

LA PROVA ORALE CONSISTE IN UN COLLOQUIO CON DOMANDE E DISCUSSIONE SUGLI ASPETTI SALIENTI DEL PROGETTO REALIZZATO E SUI CONTENUTI TEORICI E METODOLOGICI INDICATI NEL PROGRAMMA DELL’INSEGNAMENTO ED È FINALIZZATA AD ACCERTARE IL LIVELLO DI CONOSCENZA RAGGIUNTO DALLO STUDENTE SUI CONTENUTI TEORICI E METODOLOGICI DEL PROGRAMMA DEL CORSO E LA LORO APPLICAZIONE AL PROGETTO, IL CONTRIBUTO DATO AL PROGETTO, LA COMPLETEZZA, CORRETTEZZA E SINTESI DELLA DOCUMENTAZIONE DI PROGETTO, NONCHÉ A VERIFICARE LA CAPACITÀ DI ESPOSIZIONE RICORRENDO ALLA TERMINOLOGIA APPROPRIATA, LA CAPACITÀ DI ORGANIZZAZIONE AUTONOMA DELL’ESPOSIZIONE E LA CAPACITÀ DI MOTIVARE ED ARGOMENTARE OPPORTUNAMENTE LE SCELTE DI PROGETTO.
Testi
- H. HAPKE, C. NELSON, “BUILDING MACHINE LEARNING PIPELINES”, O’REALLY.
- A. BURKOV, “MACHINE LEARNING ENGINEERING”, PAPERBACK.
Altre Informazioni
LA FREQUENZA AL CORSO NON È OBBLIGATORIA MA, TUTTAVIA, FORTEMENTE CONSIGLIATA. GLI STUDENTI DOVRANNO ESSERE PREPARATI AD AFFRONTARE ATTIVAMENTE IL CORSO, TRAMITE INTERAZIONE CON IL DOCENTE IN AULA E TEMPO DEDICATO ALLA FORMAZIONE INDIVIDUALE. UNA PREPARAZIONE SODDISFACENTE, CHE PORTI AL SUPERAMENTO DELL’ESAME, CONSISTERÀ IN UNA MEDIA DI STUDIO INDIVIDUALE DI DUE ORE PER CIASCUNA ORA TRASCORSA IN AULA OLTRE CHE UNA MEDIA DI UN’ORA DEDICATA ALL’ATTIVITÀ PROGETTUALE ASSOCIATA.

IL CORSO PREVEDE INOLTRE UNA FORTE PREDISPOSIZIONE ALL’APPRENDIMENTO DI STRUMENTI SOFTWARE PER LO SVILUPPO DI PIPELINE DI INTELLIGENZA ARTIFICIALE (AD ESEMPIO, JUPYTER NOTEBOOK, KUBERFLOW E ALTRI). IL MATERIALE DIDATTICO SARÀ DISPONIBILE SULLA PIATTAFORMA E-LEARNING DIPARTIMENTALE.

CONTATTI DEL DOCENTE:

FABIO PALOMBA
E-MAIL: FPALOMBA@UNISA.IT
SITO WEB: HTTPS://FPALOMBA.GITHUB.IO
  BETA VERSION Fonte dati ESSE3
  • Didattica