Formazione e ricerca

Attività Formative del Corso di Dottorato - 2024/2025

Advanced techniques for acquisition of biomedical images

Crediti: 1

Lingua di erogazione: Ingelese

Docente:  Pietro Bontempi, Federico Boschi

Algorithmic motion planning in robotics

Crediti: 1

Lingua di erogazione: Italiano

Docente:  Paolo Fiorini

Brain Computer Interfaces

Crediti: 3

Lingua di erogazione: Inglese

Docente:  Silvia Francesca Storti

Data visualization

Crediti: 1

Lingua di erogazione: Italiano

Docente:  Andrea Giachetti

Explainable AI models: state of the art, promises and challenges

Crediti: 2,5

Lingua di erogazione: Inglese

Docente:  Gloria Menegaz

Foundation of Robotics Autonomy

Crediti: 1

Lingua di erogazione: Italiano

Docente:  Paolo Fiorini

Generative AI

Crediti: 1,5

Lingua di erogazione: English

Docente:  Francesco Setti

Modellazione e analisi 3D

Crediti: 1

Lingua di erogazione: Italiano

Docente:  Andrea Giachetti

Modellazione e verifica di sistemi digitali

Crediti: 1,5

Lingua di erogazione: Italiano

Docente:  Franco Fummi, Nicola Bombieri, Graziano Pravadelli

Nanomaterials: synthesis, characterization and applications

Crediti: 1

Lingua di erogazione: English

Docente:  Francesco Enrichi

Soft robotics: from nature to engineering

Crediti: 1,5

Lingua di erogazione: Italiano

Docente:  Francesco Visentin

Techniques and algorithms for biomechanics of movement

Crediti: 2,5

Lingua di erogazione: English

Docente:  Roberto Di Marco

Theranostics: from materials to devices

Crediti: 1

Lingua di erogazione: Italiano

Docente:  Nicola Daldosso

Crediti

2,5

Lingua di erogazione

Inglese

Frequenza alle lezioni

Scelta Libera

Sede

VERONA

Obiettivi di apprendimento

L’Intelligenza Artificiale è diventata uno strumento fondamentale in campi come la biomedicina e le neuroscienze, dalla scoperta di nuovi biomarcatori numerici a supporto della diagnosi. Negli ultimi decenni, ampie collaborazioni multidisciplinari e studi multimodali a lungo termine come, ad esempio, ADNI, ENIGMA e UK Biobank, hanno reso possibile l’accesso a grandi archivi di diversi tipi di dati tra cui immagini e informazioni genetiche. Tale disponibilità designa l’apprendimento profondo come strumento essenziale per rappresentare le complesse relazioni alla base di molti processi biologici. Tuttavia, nonostante gli innegabili vantaggi dei modelli di deep learning, la complessità della loro architettura rende necessario definire metodi che consentano di “aprire il black bo” e ottenere spiegazioni che favoriscano l’interpretabilità. Questo aspetto è fondamentale in particolar modo in ambiti critici quale quello biomedicale, in relazione all’applicazione alla medicina, alla sanità e alle neuroscienze.
Per questo motivo, l’eXplainable Artificial Intelligence (XAI) è fondamentale per spiegare come il modello ha raggiunto un risultato specifico, come in che misura il modello sia affidabile e le spiegazioni robuste e plausibili.
Il corso mira a fornire agli studenti la conoscenza dei modelli spiegabili allo stato dell'arte maggiormente utilizzati sul campo, fornendo sia basi teoriche che strumenti implementativi. In particolare, gli studenti impareranno come gestire l'intelligenza artificiale spiegabile quando applicata per interpretare modelli di deep learning valutati per estrarre informazioni da dati multidimensionali, eterogenei e rumorosi.

Prerequisiti e nozioni di base

Fondamenti di elaborazione di segnali e immagini, fondamenti di machine learning. Python.

Programma

Parte I: Promesse
Intelligenza Artificiale spiegabile da zero
• Un accenno a modelli di spiegabilità post-hoc agnostici (ad esempio importanza delle feature, occlusioni)
• Reti neurali alla luce della spiegabilità (ad esempio metodi di visualizzazione, metodi di attribuzione, metodi basati sul gradiente)
Parte 2: Sfide
• Validazione dei risultati XAI

Bibliografia

Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Quando e Dove

In presenza.

Modalità di verifica dell'apprendimento

Progetto relativo agli argomenti trattati.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Valutazione

Analisi critica dei metodi appresi
Capacità di applicare i metodi appresi a problemi concreti
Qualità dell'esposizione

Criteri di composizione del voto finale

Approvato/Non approvato

Attività Formative della Scuola di Dottorato - 2024/2025

Offerta formativa della Scuola di Dottorato da definire

Docenti

B C D E F G L M P S V

Bombieri Nicola

symbol email nicola.bombieri@univr.it symbol phone-number +39 045 802 7094

Bontempi Pietro

symbol email pietro.bontempi@univr.it symbol phone-number +39 045 802 7614

Boschi Federico

symbol email federico.boschi@univr.it symbol phone-number +39 045 802 7272

Boscolo Galazzo Ilaria

symbol email ilaria.boscologalazzo@univr.it symbol phone-number +39 045 8127804

Calanca Andrea

symbol email andrea.calanca@univr.it symbol phone-number +39 045 802 7847

Cristani Marco

symbol email marco.cristani@univr.it symbol phone-number +39 045 802 7841

Daldosso Nicola

symbol email nicola.daldosso@univr.it symbol phone-number +39 045 8027076 - 7828 (laboratorio)

Di Marco Roberto

symbol email roberto.dimarco@univr.it symbol phone-number +39 045 802 7847

Enrichi Francesco

symbol email francesco.enrichi@univr.it symbol phone-number +390458027051

Fiorini Paolo

symbol email paolo.fiorini@univr.it symbol phone-number 045 802 7963
FioriniPaolo

Fiorini Paolo

Fummi Franco

symbol email franco.fummi@univr.it symbol phone-number 045 802 7994

Giachetti Andrea

symbol email andrea.giachetti@univr.it symbol phone-number +39 045 8027998

Lora Michele

symbol email michele.lora@univr.it symbol phone-number 0458027847

Marzola Pasquina

symbol email pasquina.marzola@univr.it symbol phone-number 045 802 7816 (ufficio); 045 802 7614 (laboratorio)

Menegaz Gloria

symbol email gloria.menegaz@univr.it symbol phone-number +39 045 802 7024

Muradore Riccardo

symbol email riccardo.muradore@univr.it symbol phone-number +39 045 802 7835

Pizzini Francesca Benedetta

symbol email francescabenedetta.pizzini@univr.it symbol phone-number 00390458124301

Pravadelli Graziano

symbol email graziano.pravadelli@univr.it symbol phone-number +39 045 802 7081

Setti Francesco

symbol email francesco.setti@univr.it symbol phone-number +39 045 802 7804

Storti Silvia Francesca

symbol email silviafrancesca.storti@univr.it symbol phone-number +39 045 802 7850

Visentin Francesco

symbol email francesco.visentin@univr.it symbol phone-number +39 045 802 7964

Dottorandi

Dottorandi presenti nel:

Non è presente alcuna persona.

Lezioni del Corso
Lezioni della Scuola di Dottorato

Loading...

Linee guida percorso formativo

1. Ripartizione dei CFU per anno (60 CFU/anno)

Sono previsti 16 crediti di didattica per il I e II anno e 8 crediti di didattica per il III anno, suddivisi equamente (50%) fra il Corso di dottorato (Ingegneria dei Sistemi Intelligenti) e la Scuola di Dottorato dell’Università di Verona. I restanti sono crediti di ricerca (44 nel I e II anno e 52 nel III anno).

  • CFU di didattica del Corso di dottorato in Ingegneria dei Sistemi Intelligenti: si ottengono con la partecipazione alle attività formative previste dal programma didattico del Corso di Dottorato in Ingegneria dei Sistemi Intelligenti o partecipando a Winter School o Summer School. La partecipazione a Winter e Summer School ai fini dei CFU di didattica deve essere concordata con la/il tutor ed il Coordinatore. Le attività didattiche del dottorato sono consultabili nella sezione “Offerta formativa del corso” delle pagine web del corso.
  • CFU di didattica della Scuola di Dottorato dell’Università di Verona: si ottengono attraverso la partecipazione a seminari e corsi trasversali, consultabili nella sezione “Offerta formativa della Scuola” delle pagine web del Corso. Rientrano in questa tipologia le attività erogate nelle altre aree di competenza della Scuola secondo le disposizioni del Ministero, cioé perfezionamento linguistico, informatico, statistica, corsi sulle risorse bibliotecarie, sul copyright e su altre tematiche connesse all’organizzazione e alla gestione della ricerca. Per l’acquisizione dei CFU relativi ad alcune di tali attività è sufficiente il superamento di una verifica (senza la frequenza del corso).
  • CFU di ricerca: si ottengono con il lavoro al progetto di ricerca, con la partecipazione ad attività di formazione “facoltative” sia nella sede del Corso di dottorato che altrove, oltre che con la partecipazione a convegni in qualità di relatore o uditore, o attraverso pubblicazioni ecc. Le attività svolte devono essere elencate nella relazione annuale del dottorando. La composizione dei CFU di ricerca è a discrezione della/del dottoranda/o e della/del tutor. I CFU di ricerca non vanno né formalmente (auto)certificati né controllati dal Coordinatore, poiché il loro insieme viene valutato dal Collegio docenti come parte della relazione annuale del dottorando.

2. Soggiorni di ricerca all’estero

Il regolamento per gli studi di dottorato di ricerca prevede che “Il dottorando svolga ordinariamente periodi di ricerca, formazione e stage presso soggetti pubblici o privati all’estero.” Per gli studenti del Corso di Dottorato in Ingegneria dei sistemi Intelligenti, è fortemente raccomandato lo svolgimento di un periodo di ricerca all’estero di almeno tre mesi, preferibilmente tra il secondo ed il terzo anno, in un contesto adatto per favorire lo sviluppo del progetto di dottorato. È possibile ottenere finanziamenti per missioni all’estero grazie a vari bandi Erasmus (per studio e per tirocinio) e al bando mobilità UniVR, oltre ai fondi stanziati annualmente come budget per ciascun dottorando e al reperimento di eventuali fondi esterni.

3. Verifica del raggiungimento degli obiettivi formativi

Il raggiungimento degli obiettivi formativi ai fini del passaggio all’anno successivo e alla conferma della borsa (per il I e II anno) o dell’ammissione all’esame finale (III anno) viene verificato sulla base delle seguenti attività e documentazioni:

  1. Modulo crediti di didattica compilato (controllato dal Coordinatore).
  2. Relazione di fine anno sulle attività svolte dal dottorando, esperienze maturate e competenze acquisite (approvata dal tutor).
  3. Presentazione ad una sottocommissione che include almeno due membri oltre a tutor (e co-tutor) dei risultati di ricerca ottenuti durante l’anno.
  4. Relazione della sottocommissione di cui al punto precedente sull’attività di ricerca svolta durante l’anno

4. Modulistica

La modulistica è reperibile nell’Intranet di Ateneo alla sezione:
Come fare per → Dottorati → La mia carriera come dottorando