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.

Piano Didattico

A.A. 2024/2025 A.A. 2023/2024 A.A. 2022/2023

Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.
Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:

Laurea magistrale in Artificial Intelligence - Immatricolazione dal 2025/2026

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

InsegnamentiCreditiTAFSSD
12
B
ING-INF/05
12
B
INF/01
12
B
ING-INF/05

2° Anno  Attivato nell'A.A. 2024/2025

InsegnamentiCreditiTAFSSD
6
C
INF/01
Final exam
18
E
-
Attivato nell'A.A. 2024/2025
InsegnamentiCreditiTAFSSD
6
C
INF/01
Final exam
18
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
1 course among the following
6
C
SECS-S/06
6
C
M-FIL/02
6
C
IUS/17
6
C
IUS/02
6
C
IUS/08
6
C
IUS/04
6
C
IUS/01
6
C
IUS/07
Tra gli anni: 1°- 2°
2 modules among the following (1st year: Knowledge representation, Natural language processing, HCI Intelligent interfaces - 2nd year: AI & Cloud, Visual intelligence, Statistical learning - 1st and 2nd year: Computer Vision & Deep Learning)
6
C
INF/01
6
C
INF/01
6
C
ING-INF/05
6
C
INF/01
6
C
ING-INF/05
6
C
MAT/06
6
C
ING-INF/06
Tra gli anni: 1°- 2°
2 modules among the following (1st year: Knowledge representation, Natural language processing, HCI Intelligent interfaces - 2nd year: AI & Cloud - 1st and 2nd year: Computer Vision & Deep learning)
6
B
INF/01
6
B
INF/01
6
B
ING-INF/05
6
B
INF/01
6
B
ING-INF/05
Tra gli anni: 1°- 2°
2 courses among the following (A.A. 2023/24: Complex systems and Network Science not activated)
6
C
ING-INF/05
6
C
INF/01
6
C
FIS/02
6
C
INF/01
6
C
MAT/08
6
C
MAT/09
6
C
INF/01 ,ING-INF/05
6
C
INF/01
6
C
FIS/02
6
C
INF/01
6
C
MAT/06
Tra gli anni: 1°- 2°
Further activities: 3 CFU training and 3 CFU further language skill or 6 CFU training. International students (i.e. students who do not have an Italian bachelor’s degree) must compulsorily gain 3 CFU of Italian language skills (at least A2 level) and 3 CFU training.
6
F
-
Tra gli anni: 1°- 2°
12
D
-

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.

A Attività di base
B Attività caratterizzanti
C Attività formative affini o integrative
D Attività a scelta dello studente
E Prova finale
F Altre attività formative
S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Embedded AI (2023/2024)

Codice insegnamento

4S010696

Crediti

6

Coordinatore

Nicola Bombieri

Lingua di erogazione

Inglese en

Corsi Singoli

Autorizzato

MoodleMoodle Seminari 0

L'insegnamento è organizzato come segue:

PARTE I en

Crediti

3

Periodo

I semestre

Docenti

Nicola Bombieri

Orario Lezioni
PARTE II en

Crediti

3

Periodo

I semestre

Docenti

Franco Fummi

Orario Lezioni

Obiettivi di apprendimento

La prima parte del corso si propone di descrivere le principali tecniche per la progettazione automatica di sistemi embedded e IoT, partendo dalle loro specifiche per passare alla verifica, sintesi automatica e test. Questo viene raggiunto attraverso lo studio dei principali linguaggi per affrontare questo tipo di progetti e attraverso gli strumenti automatici più avanzati per la loro manipolazione. Queste competenze sono inoltre esemplificate sulle architetture per applicazioni di Intelligenza Artifificiale basate su CPU, FPGA e processori ad-hoc. Nella seconda parte, il corso si propone di fornire conoscenze teoriche e pratiche per la programmazione di applicazioni AI e analisi di architetture parallele embedded, con particolare enfasi alle piattaforme GPU. Questo viene raggiunto attraverso lo studio di tecniche di parallelizzazione del Software, con analisi dell'efficienza delle applicazioni considerando vincoli funzionali e non funzionali di progettazione (correttezza, performance, consumo energetico).

Prerequisiti e nozioni di base

Nessuno

Criteri di composizione del voto finale

Il voto finale sarà la media dei voti delle due parti (parte I - Fummi, parte II Bombieri). Il voto di ogni parte sarà assegnato tramite prova parziale o parte dell'esame di appello.