Circuiti e Algoritmi per il Machine Learning (Laurea Magistrale in Ingegneria Elettronica, Ingegneria delle Comunicazioni)


AVVISO IMPORTANTISSIMO: Il corso nasce come nuova attivazione dall'evoluzione di programmi e di denominazioni, con l'esigenza di essere al passo coi tempi e con le attività didattiche e di ricerca più avanzate in funzione del miglior servizio possibile verso gli studenti, tenuto conto del panorama scientifico e industriale attuale e futuro. Di seguito le indicazioni per gli studenti nei vari anni:
  • "Circuiti e Algoritmi per il Machine Learning", denominazione a regime e programma definitivamente rinnovato, andrà in aula in lingua italiana per la prima volta a settembre 2020 (1° semestre) per gli studenti immatricolati nel 2019/2020 e iscritti nel 2020/2021 al 2° anno delle Lauree Magistrali in Ingegneria Elettronica e Ingegneria delle Comunicazioni. 
  • "Circuiti e Algoritmi per il Calcolo Distribuito", con programma già aggiornato verso le tematiche del machine learning, va in aula in lingua italiana a settembre 2019 (1° semestre) per gli studenti immatricolati nel 2018/2019 e iscritti nel 2019/2020 al 2° anno delle Lauree Magistrali in Ingegneria Elettronica e Ingegneria delle Comunicazioni. 
  • "Distributed Computing for Circuits and Systems" è andato in aula in lingua italiana (ma col nome in inglese) a settembre 2018 (1° semestre) per gli studenti immatricolati nel 2017/2018 e iscritti nel 2018/2019 al 2° anno della Laurea Magistrale in Ingegneria Elettronica. 
Il corso, nelle sue varie declinazioni, è comunque aperto anche ad altri studenti della Facoltà e dell'Ateneo che sono interessati alle tematiche trattate, in quanto NON esistono propedeuticità sostanziali.

  • Obiettivi del modulo e capacità acquisite dallo studente. Attraverso l’introduzione delle nozioni di base riguardanti le problematiche teoriche, tecniche e pratiche di progettazione e realizzazione di circuiti e algoritmi nei sistemi di apprendimento automatico e intelligenza artificiale basati sul learning statistico e data-driven, in architetture di calcolo parallele, distribuite e quantistiche (GPU, TPU, multicore, cloud, etc.), lo studente rafforzerà le conoscenze acquisite nel primo ciclo di studi. Saranno in tal senso approfondite le applicazioni nell'ambito dell’ICT e dell’Ingegneria dell’Informazione per la soluzione di problemi supervisionati e non supervisionati in casi di studio reali, in particolare riguardanti ottimizzazione, approssimazione, regressione, interpolazione, predizione, filtraggio, riconoscimento e classificazione, al fine di elaborare e applicare idee originali anche in un contesto di ricerca. Le capacità acquisite consistono nella soluzione delle problematiche relative a progettazione, realizzazione e test di architetture di calcolo e modelli computazionali, con particolare riferimento allo sviluppo in linguaggio Matlab/Python/Julia/VHDL, per la realizzazione di sistemi di machine learning e intelligenza artificiale in ambienti paralleli, distribuiti e quantistici in un contesto più ampio rispetto al settore di studio della teoria dei circuiti e dell’ingegneria elettronica.
  • Prerequisiti. Fondamenti di fisica e matematica impartiti negli insegnamenti ingegneristici di base.
  • Risultati di apprendimento attesi.  Lo scenario delle tecnologie ICT sta rapidamente evolvendo verso sistemi in cui i dispositivi tecnologici che implementano algoritmi di machine learning e intelligenza artificiale costituiscono parte integrante dell’ambiente in cui sono immersi, in particolare nelle reti complesse di sensori e attuatori quali smart grid, IoT, distribuzione energetica e delle merci, reti biologiche e sociologiche, etc. A valle di tale insegnamento, lo studente sarà in grado di comunicare le conoscenze acquisite a interlocutori specialisti e non specialisti nel mondo della ricerca e del lavoro in cui svilupperà le sue successive attività scientifiche e/o professionali. Attraverso una sistematica attività di laboratorio, nel corso della quale saranno considerate le metodologie relative alla progettazione e alla realizzazione di architetture di calcolo parallele e di sistemi di agenti distribuiti per il machine learning e l’intelligenza artificiale, lo studente integrerà le conoscenze acquisite per gestire la complessità dei meccanismi di apprendimento induttivo a partire da informazioni limitate dalla contingenza organizzativa dell’insegnamento.
  • Programma  ...coming soon...
  • Materiale didattico  ...coming soon...

Vai alla scheda dei corsi transitori (Circuiti e Algoritmi Calcolo Distribuito, Distributed Computing for Circuits and Systems)
        

AVVISOper ogni tipo di comunicazione legata al corso, gli interessati sono pregati di inviarmi una e-mail indicando nell'OGGETTO "Machine Learning CA" e nel testo i seguenti dati: nome, cognome e numero di matricola. Cercherò di rispondere al più presto.

Pagine secondarie (1): Distributed Computing