Formazione e ricerca
Attività Formative del Corso di Dottorato
This page shows the courses and classes of the PhD programme for the academic year 2023/2024. Additional courses and classes will be added during the year. Please check for updates regularly!
Non monotonic reasoning
Crediti: 3
Lingua di erogazione: English
Docente: Matteo Cristani
Sustainable Embodied Mechanical Intelligence
Crediti: 3
Lingua di erogazione: English
Docente: Giovanni Gerardo Muscolo
Brain Computer Interfaces
Crediti: 3
Lingua di erogazione: English
Docente: Silvia Francesca Storti
A practical interdisciplinary PhD course on exploratory data analysis
Crediti: 4
Lingua di erogazione: Inglese
Docente: Prof. Vincenzo Bonnici (Università di Parma)
Multimodal Learning and Applications
Crediti: 5
Lingua di erogazione: Inglese
Docente: Cigdem Beyan
Introduction to Blockchain
Crediti: 3
Lingua di erogazione: English
Docente: Sara Migliorini
Autonomous Agents and Multi-Agent Systems
Crediti: 5
Lingua di erogazione: English
Docente: Alessandro Farinelli
Cyber-Physical System Security
Crediti: 3
Lingua di erogazione: English/Italian
Docente: Massimo Merro
Foundations of quantum languages
Crediti: 3
Lingua di erogazione: English
Docente: Margherita Zorzi
Advanced Data Structures for Textual Data
Crediti: 3
Lingua di erogazione: English
Docente: Zsuzsanna Liptak
AI and explainable models
Crediti: 5
Lingua di erogazione: English
Docente: Gloria Menegaz, Lorenza Brusini
Automated Software Testing
Crediti: 4
Lingua di erogazione: English
Docente: Mariano Ceccato
Elements of Machine Teaching: Theory and Appl.
Crediti: 3
Lingua di erogazione: English
Docente: Ferdinando Cicalese
Introduction to Quantum Machine Learning
Crediti: 4
Lingua di erogazione: English
Docente: Alessandra Di Pierro
Laboratory of quantum information in classical wave-optics analogy
Crediti: 3
Lingua di erogazione: English
Docente: Claudia Daffara
AI and explainable models (2023/2024)
Docenti
Referente
Crediti
5
Lingua di erogazione
English
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 al supporto alla diagnosi. Tuttavia, soprattutto nei settori precedentemente menzionati, i metodi di machine e deep learning utilizzati per l’analisi sono spesso visti come una scatola nera a causa dei milioni di operazioni matematiche che eseguono. Sono stati sviluppati modelli spiegabili con il preciso scopo di far luce sui meccanismi che portano ai risultati. Sulla base di questa premessa, il corso mira a fornire agli studenti le conoscenze sui principali metodi di machine learning e sui modelli spiegabili allo stato dell'arte maggiormente utilizzati, fornendo sia basi teoriche che strumenti implementativi.
Prerequisiti e nozioni di base
Le sessioni di laboratorio si svolgeranno in Python poiché questo è di gran lunga lo strumento più sfruttato per le applicazioni di Intelligenza Artificiale in qualsiasi campo. Per favorire la partecipazione di studenti provenienti da altri ambiti oltre l'informatica (es. ambito biomedico), la prima lezione può essere dedicata all'introduzione dei concetti principali in modo da fornire anche a chi non ha conoscenze di base gli strumenti necessari per frequentare le sessioni pratiche .
Programma
- Fondamenti di AI: machine learning passo dopo passo
- Aprire la scatola nera: l'Intelligenza Artificiale eXplainable
- I principali modelli alla luce della spiegabilità
- Un accenno ai modelli di spiegabilità post-hoc agnostici
Bibliografia
Modalità didattiche
La partecipazione al corso sarà totalmente in presenza. Ogni lezione inizierà impostando le basi teoriche della successiva sessione pratica. In particolare, le sessioni pratiche comprenderanno sia l'illustrazione e discussione di pezzi di codice, sia esercizi per gli studenti volti alla risoluzione del problema considerato.
- Venerdì, 14 Giugno 2024. Dalle 9:00 alle 13:00 in Aula T.06 (Cà Vignal 3)
- Giovedì, 20 Giugno 2024. Dalle 9:00 alle 13:00 in Aula T.05 (Cà Vignal 3)
- Venerdì, 21 Giugno 2024. Dalle 9:00 alle 13:00 in Aula T.05 (Cà Vignal 3)
- Martedì, 25 Giugno 2024. Dalle 9:00 alle 13:00 in Aula B (Cà Vignal 1)
- Giovedì, 27 Giugno 2024. Dalle 9:00 alle 13:00 in Aula T.05 (Cà Vignal 3)
Modalità di verifica dell'apprendimento
Sviluppo di un breve progetto consistente nell'applicazione di quanto appreso durante le lezioni.
Valutazione
Corretta applicazione di quanto appreso durante il corso
Criteri di composizione del voto finale
Superato/Non superato
