-
Lingua Insegnamento:
Italiano
-
Testi di riferimento:
Materiale didattico e risorse indicate dal docente durante il corso.
Documentazione e risorse di approfondimento disponibili online. -
Obiettivi formativi:
Al termine del modulo lo studente sarà in grado di:
• comprendere la terminologia e i concetti fondamentali dell'Intelligenza Artificiale;
• distinguere le principali tipologie e tecniche di IA;
• comprendere a livello concettuale il funzionamento dei sistemi basati sull'apprendimento automatico;
• riconoscere il ruolo dei dati nei processi di addestramento e utilizzo dei modelli;
• comprendere potenzialità e principali limiti dei sistemi di IA. -
Prerequisiti:
Non sono richieste conoscenze pregresse di Intelligenza Artificiale né competenze di programmazione.
-
Metodi didattici:
Lezioni frontali integrate da esempi. La trattazione privilegerà la comprensione intuitiva e concettuale rispetto agli aspetti matematici e implementativi.
-
Modalità di verifica dell'apprendimento:
La verifica dell'apprendimento sarà effettuata nell'ambito della prova finale dell'intero insegnamento e sarà volta ad accertare la comprensione dei concetti fondamentali e della terminologia dell'Intelligenza Artificiale.
-
Obiettivi Agenda 2030 per lo sviluppo sostenibile:
Questo insegnamento concorre alla realizzazione degli obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile
-
Altre Informazioni:
Il modulo costituisce la base concettuale per gli altri due moduli del corso ed è progettato per studenti provenienti da differenti aree disciplinari.
Il modulo introduce i concetti fondamentali dell'Intelligenza Artificiale, fornendo gli elementi necessari per comprenderne principi di funzionamento, potenzialità e limiti. Saranno presentate le principali tipologie di sistemi di IA e le nozioni essenziali relative ad apprendimento automatico, reti neurali e modelli generativi, con particolare attenzione al ruolo dei dati e ai processi di addestramento e inferenza.
• Che cos'è l'Intelligenza Artificiale.
• Breve evoluzione storica dell'IA.
• IA simbolica e approcci basati sui dati.
• Machine Learning e principali paradigmi di apprendimento.
• Apprendimento supervisionato e non supervisionato.
• Reti neurali e Deep Learning: principi generali.
• Dati, dataset e processo di addestramento.
• Addestramento e inferenza.
• Introduzione ai modelli generativi.
• Modelli linguistici e Large Language Models.
• Capacità e limiti dei sistemi di IA.
• Errori, bias, affidabilità e interpretazione degli output.
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
