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
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 2025/2026Il 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 |
|---|
1 module among the following2 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)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)2 modules among the following (A.A. 2022/23 Quantum computing not activated; A.A. 2023/24: Complex systems not activated)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.
Embedded AI (2022/2023)
L'insegnamento è organizzato come segue:
Obiettivi di apprendimento
Il corso mira a fornire le seguenti conoscenze: tecniche per la progettazione automatica di sistemi embedded e IoT industriali a partire dalla loro specifica per passare attraverso la verifica, la sintesi automatica e il collaudo. Principali linguaggi per affrontare questo tipo di progetto e i più avanzati strumenti automatici per la loro manipolazione. Il tutto applicato in particolare anche alla progettazione, verifica e test di sistemi ciber-fisici per la produzione industriale. Al termine del corso lo studente dovrà dimostrare di avere le seguenti capacità di applicare le conoscenze acquisite: identificare a partire dalle specifiche la miglior architettura per un sistema embedded e IoT industriale; modellare, progettare e verificare dispositivi analogico/digitali complessi; sviluppare software embedded e interagire con architetture IoT e cloud; partizionare una funzionalità tra hw, sw con attenzione alla rete e ai sistemi operativi; costruire relazione di progetto evidenziando gli aspetti critici risolti; riuscire a utilizzare ulteriori linguaggi per la progettazione di sistemi embedded e IoT industriali a partire da quelli studiati nel corso.
Modalità di verifica dell’apprendimento
Per superare l'esame lo studente dovrà dimostrare di:
- aver compreso i principi alla base della programmazione parallela
- essere in grado di esporre le proprie argomentazioni in modo preciso e organico senza divagazioni
- saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di esercizi, domande e progetti.
Prerequisiti e nozioni di base
Nessuno
Criteri di composizione del voto finale
L'esame è composto da due parti: teoria e laboratorio.
