Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Calendario accademico
Il calendario accademico riporta le scadenze, gli adempimenti e i periodi rilevanti per la componente studentesca, personale docente e personale dell'Università. Sono inoltre indicate le festività e le chiusure ufficiali dell'Ateneo.
L’anno accademico inizia il 1° ottobre e termina il 30 settembre dell'anno successivo.
Calendario didattico
Il calendario didattico indica i periodi di svolgimento delle attività formative, di sessioni d'esami, di laurea e di chiusura per le festività.
Periodo | Dal | Al |
---|---|---|
Primo semestre | 3-ott-2022 | 27-gen-2023 |
Secondo semestre | 6-mar-2023 | 16-giu-2023 |
Sessione | Dal | Al |
---|---|---|
Sessione invernale d'esame | 30-gen-2023 | 3-mar-2023 |
Sessione estiva d'esame | 19-giu-2023 | 31-lug-2023 |
Sessione autunnale d'esame | 4-set-2023 | 29-set-2023 |
Periodo | Dal | Al |
---|---|---|
Ponte Festa di tutti i Santi | 31-ott-2022 | 1-nov-2022 |
Ponte dell'Immacolata Concezione | 8-dic-2022 | 9-dic-2022 |
Vacanze natalizie | 23-dic-2022 | 8-gen-2023 |
Vacanze di Pasqua | 7-apr-2023 | 10-apr-2023 |
Festa della Liberazione | 24-apr-2023 | 25-apr-2023 |
Festa del lavoro | 1-mag-2023 | 1-mag-2023 |
Festa del Santo Patrono | 21-mag-2023 | 21-mag-2023 |
Festa della Repubblica | 2-giu-2023 | 2-giu-2023 |
Chiusura estiva | 14-ago-2023 | 19-ago-2023 |
Calendario esami
Gli appelli d'esame sono gestiti dalla Unità Operativa Segreteria Corsi di Studio Scienze e Ingegneria.
Per consultazione e iscrizione agli appelli d'esame visita il sistema ESSE3.
Per problemi inerenti allo smarrimento della password di accesso ai servizi on-line si prega di rivolgersi al supporto informatico della Scuola o al servizio recupero credenziali
Per dubbi o domande leggi le risposte alle domande più frequenti F.A.Q. Iscrizione Esami
Docenti
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Explainable AI (2023/2024)
Codice insegnamento
4S010683
Docenti
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
I semestre dal 2-ott-2023 al 26-gen-2024.
Corsi Singoli
Autorizzato
Obiettivi di apprendimento
Questo corso approfondisce metodi di machine learning e mira a fornire i mezzi per comprendere il "perché" e il "come" dei loro risultati. Dopo aver introdotto i concetti di base, verrà fornita una tassonomia dei metodi esistenti per l’eXplainable AI, quindi verranno illustrati i principali approcci allo stato dell'arte per l'intelligenza artificiale neuro-simbolica. La parte teorica sarà integrata da sessioni pratiche in cui i concetti acquisiti saranno messi in pratica considerando casi di studio specifici. Al termine del corso le studentesse e gli studenti avranno acquisito le competenze fondamentali relative a spiegabilità (explainability), interpretabilità, casualità e causalità; la conoscenza dei principali metodi di interpretabilità (metodi intrinseci, post-hoc, model-specific, model-agnostic, locali, globali, etc.), delle relative proprietà (sensibilità, invarianza di implementazione, separabilità, stabilità, completezza, correttezza, compattezza), dei principali tipi di spiegazioni e delle relative proprietà (accuratezza, fedeltà, coerenza, stabilità, comprensibilità, certezza e rilevanza), e dei principali metodi di visualizzazione (mappe di attivazione, LRP, GradCam). Inoltre le studentesse e gli studenti dovranno dimostrare di aver acquisito conoscenze sugli approcci allo stato dell'arte per l'intelligenza artificiale neuro-simbolica, con enfasi su: apprendimento profondo standard; risolutori simbolici che utilizzano reti neurali come sub-routine per la stima dello stato; sistemi ibridi con rete neurale e sistema simbolico specializzati su compiti complementari con interazione tramite input/output; conoscenza simbolica compilata nel training set di una rete neurale; sistemi di calcolo neurale che contengono al loro interno sistemi di ragionamento simbolico (ragionamento di tipo 1 e 2).
Modalità di verifica dell’apprendimento
Per superare l'esame gli studenti dovranno dimostrare di:
- Aver compreso gli aspetti teorici e metodologici oggetto dell'insegnamento
- Saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di esercizi, domande e progetti.
Prerequisiti e nozioni di base
Fondamenti di machine e deep learning
Programma
Programma Parte 1
- Introduzione all'IA spiegabile: motivazioni, definizioni e strumenti
- Analisi causale di serie temporali: dalla causalità di Granger al testing efficiente di indipendenza condizionale con PCMCI
- Laboratori di analisi causale: introduzione allo strumento Tigramite per l'analisi causale di serie temporali e applicazione al rilevamento di anomalie offline per un sistema reale
- Pianificazione spiegabile: dal linguaggio di definizione del dominio di pianificazione all'implementazione della programmazione logica
- Programmazione del set di risposte (ASP) per una pianificazione spiegabile
- Programmazione Logica Induttiva (ILP) nell'ambito della semantica dell'insieme di risposte
- Laboratorio ASP: solutore Clingo per la pianificazione autonoma in un dominio semplice
- Laboratorio ILP: apprendimento delle specifiche progettuali dalle osservazioni
- Lezioni seminariali sull'intelligenza artificiale neurosimbolica: il deep learning incontra la programmazione logica e il ragionamento non monotono (Prof. Mohan Sridharan, Univ. di Birmingham, UK)
Introduzione (concetti principali, tassonomia, vetrine)
Programma Parte 2
Questa parte riguarda i metodi e gli strumenti di spiegabilità e interpretabilità più diffusi disponibili allo stato dell'arte. Si tratta di un percorso guidato che parte dai modelli lineari multivariati per arrivare alle reti profonde.
Modelli interpretabili
- Regressione lineare, regressione logistica, GLM, alberi decisionali….
- Metodi agnostici del modello globale
- Grafici di dipendenza parziale (PDP), Effetti Locali Accumulati (ALE), Ingegneria delle caratteristiche
Metodi locali agnostici del modello
- Modello Surrogato locale (LIME), Shapley Adaptive Explanations (SHAP)
Focus sulle reti neurali profonde
- Riepilogo sul deep learning
- Apprendimento e visualizzazione delle funzionalità (connessione con Visual Intelligence)
- Valori di attribuzione dei pixel e mappe di salienza
- Metodi basati sui gradienti (gradienti integrati, occlusioni)
- Propagazione della rilevanza (Layerwise Relevance Propagation)
Validazione dei risultati XAI
- Studi associativi
- Metodi automatici
Ogni lezione sarà integrata da una sessione pratica durante il Laboratorio.
Modalità didattiche
Lezioni in presenza
Modalità di verifica dell'apprendimento
L'esame consisterà nella discussione di un progetto.
Criteri di valutazione
Per superare l'esame gli studenti dovranno dimostrare di:
- Aver compreso gli aspetti teorici e metodologici oggetto dell'insegnamento
- Saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di esercizi, domande e progetti.
Criteri di composizione del voto finale
Il voto finale sarà la media dei voti dei due moduli.
Lingua dell'esame
Inglese
Tipologia di Attività formativa D e F
Le attività formative di tipologia D sono a scelta dello studente, quelle di tipologia F sono ulteriori conoscenze utili all’inserimento nel mondo del lavoro (tirocini, competenze trasversali, project works, ecc.). In base al Regolamento Didattico del Corso, alcune attività possono essere scelte e inserite autonomamente a libretto, altre devono essere approvate da apposita commissione per verificarne la coerenza con il piano di studio. Le attività formative di tipologia D o F possono essere ricoperte dalle seguenti attività.
1. Insegnamenti impartiti presso l'Università di Verona
Comprendono gli insegnamenti sotto riportati e/o nel Catalogo degli insegnamenti (che può essere filtrato anche per lingua di erogazione tramite la Ricerca avanzata).
Modalità di inserimento a libretto: se l'insegnamento è compreso tra quelli sottoelencati, lo studente può inserirlo autonomamente durante il periodo in cui il piano di studi è aperto; in caso contrario, lo studente deve fare richiesta alla Segreteria, inviando a carriere.scienze@ateneo.univr.it il modulo nel periodo indicato.
2. Attestato o equipollenza linguistica CLA
Oltre a quelle richieste dal piano di studi, per gli immatricolati dall'A.A. 2021/2022 vengono riconosciute:
- Lingua inglese: vengono riconosciuti 3 CFU per ogni livello di competenza superiore a quello richiesto dal corso di studio (se non già riconosciuto nel ciclo di studi precedente).
- Altre lingue e italiano per stranieri: vengono riconosciuti 3 CFU per ogni livello di competenza a partire da A2 (se non già riconosciuto nel ciclo di studi precedente).
Tali cfu saranno riconosciuti, fino ad un massimo di 6 cfu complessivi, di tipologia F se il piano didattico lo consente, oppure di tipologia D. Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.
Modalità di inserimento a libretto: richiedere l’attestato o l'equipollenza al CLA e inviarlo alla Segreteria Studenti - Carriere per l’inserimento dell’esame in carriera, tramite mail: carriere.scienze@ateneo.univr.it
3. Competenze trasversali
Scopri i percorsi formativi promossi dal TALC - Teaching and learning center dell'Ateneo, destinati agli studenti regolarmente iscritti all'anno accademico di erogazione del corso https://talc.univr.it/it/competenze-trasversali
Modalità di inserimento a libretto: non è previsto l'inserimento dell'insegnamento nel piano di studi. Solo in seguito all'ottenimento dell'Open Badge verranno automaticamente convalidati i CFU a libretto. La registrazione dei CFU in carriera non è istantanea, ma ci saranno da attendere dei tempi tecnici.
4. CONTAMINATION LAB
Il Contamination Lab Verona (CLab Verona) è un percorso esperienziale con moduli dedicati all'innovazione e alla cultura d'impresa che offre la possibilità di lavorare in team con studenti e studentesse di tutti i corsi di studio per risolvere sfide lanciate da aziende ed enti. Il percorso permette di ricevere 6 CFU in ambito D o F. Scopri le sfide: https://www.univr.it/clabverona
ATTENZIONE: Per essere ammessi a sostenere una qualsiasi attività didattica, incluse quelle a scelta, è necessario essere iscritti all'anno di corso in cui essa viene offerta. Si raccomanda, pertanto, ai laureandi delle sessioni di dicembre e aprile di NON svolgere attività extracurriculari del nuovo anno accademico, cui loro non risultano iscritti, essendo tali sessioni di laurea con validità riferita all'anno accademico precedente. Quindi, per attività svolte in un anno accademico cui non si è iscritti, non si potrà dar luogo a riconoscimento di CFU.
5. Periodo di stage/tirocinio
Oltre ai CFU previsti dal piano di studi (verificare attentamente quanto indicato sul Regolamento Didattico): qui informazioni su come attivare lo stage.
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Introduzione alla robotica per studenti di materie scientifiche | D |
Paolo Fiorini
(Coordinatore)
|
1° 2° | Linguaggio Programmazione Matlab-Simulink | D |
Bogdan Mihai Maris
(Coordinatore)
|
1° 2° | Prototipizzazione con Arduino | D |
Franco Fummi
(Coordinatore)
|
1° 2° | Sfide di programmazione | D |
Romeo Rizzi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Introduzione alla stampa 3D | D |
Franco Fummi
(Coordinatore)
|
1° 2° | Linguaggio programmazione Python | D |
Carlo Combi
(Coordinatore)
|
1° 2° | Progettazione di componenti hardware su FPGA | D |
Franco Fummi
(Coordinatore)
|
1° 2° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Roberto Giacobazzi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Federated learning from zero to hero | D |
Gloria Menegaz
|
Prospettive
Avvisi degli insegnamenti e del corso di studio
Per la comunità studentesca
Se sei già iscritta/o a un corso di studio, puoi consultare tutti gli avvisi relativi al tuo corso di studi nella tua area riservata MyUnivr.
In questo portale potrai visualizzare informazioni, risorse e servizi utili che riguardano la tua carriera universitaria (libretto online, gestione della carriera Esse3, corsi e-learning, email istituzionale, modulistica di segreteria, procedure amministrative, ecc.).
Entra in MyUnivr con le tue credenziali GIA: solo così potrai ricevere notifica di tutti gli avvisi dei tuoi docenti e della tua segreteria via mail e a breve anche tramite l'app Univr.
Gestione carriere
Modalità di frequenza
Come riportato nel Regolamento Didattico, la frequenza al corso di studio non è obbligatoria.
Prova Finale
Scadenziari e adempimenti amministrativi
Per gli scadenziari, gli adempimenti amministrativi e gli avvisi sulle sessioni di laurea, si rimanda al servizio Sessioni di laurea - Scienze e Ingegneria.
Necessità di attivare un tirocinio per tesi
Per stage finalizzati alla stesura della tesi di laurea, non è sempre necessaria l'attivazione di un tirocinio tramite l'Ufficio Stage. Per maggiori informazioni, consultare il documento dedicato, che si trova nella sezione "Documenti" del servizio dedicato agli stage e ai tirocini.
Regolamento della prova finale
Le attività formative relative alla preparazione della prova finale per il conseguimento del titolo e la relativa verifica consistono nella preparazione e discussione di un elaborato scritto in lingua Inglese (tesi di laurea) relativo all’approfondimento di un tema scientifico affrontato nel corso di studi, ovvero relativo all’analisi e soluzione di un caso di studio (teorico e/o direttamente derivato da un problema di carattere industriale), ovvero relativo ad un lavoro di tipo sperimentale, che può anche essere sviluppato all’interno di un percorso di tirocinio svolto presso enti di ricerca, scuole, laboratori e aziende, ovvero sfruttando soggiorni studio in Italia e all'estero, ovvero frutto di un lavoro autonomo ed originale di ricerca, con collegati aspetti di formalizzazione matematica, progettazione informatica, realizzazione business oriented. Tali attività potranno saranno svolte sotto la guida di un relatore presso una struttura universitaria, o anche esterna all'Università di Verona, tanto in Italia, quanto all’estero, purché riconosciuta e accettata a tal fine in accordo con il Regolamento didattico del corso di Laurea Magistrale in Artificial Intelligence. I CFU assegnati alla prova finale (valutazione della tesi di laurea) sono 18. La commissione preposta alla valutazione della prova finale (esposizione in lingua Inglese della tesi di laurea) è chiamata ad esprimere una valutazione che tenga conto dell'intero percorso di studi, valutando attentamente il grado di coerenza tra obbiettivi formativi e obbiettivi professionali, nonché la capacità di elaborazione intellettuale autonoma, il senso critico, le doti di comunicazione e la maturità culturale generale, in relazione agli obiettivi del corso di Laurea Magistrale in Artificial Intelligence, e particolare, in relazione alle tematiche caratterizzanti la tesi di laurea, del candidato.
Gli studenti possono sostenere la prova finale solamente dopo aver assolto a tutti gli altri obblighi formativi previsti dal loro piano di studi ed agli adempimenti presso gli uffici amministrativi in conformità con i termini indicati nel manifesto generale degli studi.
La valutazione finale e la proclamazione verranno effettuate dalla commissione di esame finale nominata dal presidente del collegio didattico e composta da un presidente e almeno da altri quattro commissari scelti tra i docenti dell'Ateneo.
Il materiale presentato per la prova finale viene valutato dalla Commissione Valutazione Tesi, composta da tre docenti, tra cui possibilmente il relatore, e nominata dal presidente del collegio didattico. La commissione valutazione tesi formula una valutazione del lavoro svolto, e la trasmette alla commissione d'esame finale che esprimerà il giudizio finale. Il collegio didattico disciplina le procedure delle commissioni valutazione tesi, delle commissioni d'esame finale e dell'attribuzione del punteggio della prova finale mediante apposito regolamento deliberato dal collegio didattico.