MAG Multimedia Academic Global

IT e Digital Technologies

No items selected

Intelligenza Artificiale


Content language:Italian
Goals
L'Intelligenza Artificiale (AI) è un settore in continua espansione con un impatto rilevante sulla nostra vita. Il corso sarà una introduzione alla disciplina dell'AI ed insieme un’abilitazione ad utilizzarla in ambito Enterprise.
Il corso prevede un modulo di Enterprise AI Training e un modulo diEnterpriseAI Labche sono sviluppati in modo intercalato in 10 settimane e 12 incontri online. Il modulodi training avviene attraverso lezioni preregistrate e lezioni interattive, le quali saranno personalizzate a secondadel background della classe. 
Il modulo di Enterprise AI Labè teso a sollecitare l’innovazione interna all’Enterprise. Riuniti in piccoli gruppi gli studenti si cimenteranno in case study di AI aziendale,costruiti secondo il loro interesse e le necessità aziendali.Ogni case study produrrà requisiti e specifiche di un’applicazione AI e svilupperà in ambiente Azure Machine Learning un “proof of concept” (POC) funzionante con un insieme ridotto di dati reali.
Competences that will be acquired

Il corso non prevede prerequisiti specifici. Ciò nonostante, conoscenze di base di algebra lineare, ed elementi di programmazione (ad es. R, Matlab, Python)possono aiutare lo studente nella comprensione degli aspetti più tecnici della materia e nello svolgimento delle attività interattive.

Contents

Il corso si propone di fornire allo studente le conoscenze di base riguardo il Machine Learning ed in particolare il Deep Learning, ed inoltre di apprendere l’utilizzo dell’ambiente Azure Machine Learning per svolgere esperimenti con modelli addestrati su dati reali.

Inoltre, il corso fornirà una prima preparazione su temi di etica dell’AI e sulla valutazione dei costi e degli impatti di un progetto AI implementato su dati di larga scala.

Delivery methods
  • Generale

    - McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955) A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. Reperibile qui: http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf

    Macro-area: Reti neurali 

    - David Kriesel, 2007, A Brief Introduction to Neural Networks, Capitoli 1;2;3;4;5;8 Reperibile in http://www.dkriesel.com/en/science/neural_networks

    • Ian Goodfellow and YoshuaBengio and Aaron Courville, Deep Learning, An MIT Press book

    https://www.deeplearningbook.org/

    Part I, Chapters 2–5: Applied Math and Machine Learning Basics (includes linear algebra, probability and information theory, numerical computation, and machine learning basics)

    And Part II, Chapters 6–8: Modern Practical Deep Networks (deep feedforward networks and regularization for deep learning, optimization for training deep learning).

    • A. NG, Machine Learning Yearning

    https://freecomputerbooks.com/Machine-Learning-Yearning.html#downloadLinks

    Macro-area: Reinforcement Learning

    - Sutton & Barto: Reinforcement Learning: An Introduction (Second Edition). Capitoli 1; 2; 3; 6 (solo 6.1;6.2;6.5); 14; 15. Reperibile on-line: http://www.incompleteideas.net/book/RLbook2020.pdf

    - Schultz, W., Dayan, P., & Montague, P. R. (1997). A neural substrate of prediction and reward. Science275(5306), 1593-1599. Reperibile on-line

    Macro-area: Neuroscienze computazionali

    - Wulfram Gerstner, Werner M. Kistler, Richard Naud and Liam Paninski, 2014, Capitoli 1 e 2. Neuronal Dynamics online book. Reperiblile qui:

    https://neuronaldynamics.epfl.ch/

    -----

    - Ulteriori materiale verrà fornito nell’ambito delle lezioni interattive.

Appointed teaching professor
Professor not available