Obiettivi del modulo e capacità acquisite dallo studente. Lo studente acquisirà conoscenza delle nozioni di base riguardanti la progettazione e la realizzazione di algoritmi e architetture di calcolo per il machine learning e l’intelligenza artificiale. Saranno in tal senso approfondite le applicazioni nell'ambito ingegneristico per la soluzione di problemi di apprendimento supervisionato e non supervisionato, quali ottimizzazione, predizione, riconoscimento e classificazione, in applicazioni reali riguardanti i sistemi elettrici ed elettronici per la gestione dell’energia e il trattamento dell’informazione. Obiettivo principale è fornire allo studente la capacità di comprendere le problematiche reali, con particolare riguardo agli obiettivi di sviluppo sostenibile, per elaborare soluzioni originali nell’ambito scientifico e professionale di riferimento. Le capacità acquisite consistono nella soluzione delle problematiche relative a progettazione, realizzazione e test di architetture di calcolo e modelli computazionali basati su reti neurali e algoritmi di pattern recognition in ambienti complessi (paralleli, distribuiti e federati), con particolare riferimento all’elaborazione intelligente di segnali e dati, al calcolo quantistico, alle reti di sensori e attuatori intelligenti, all’IoT, alle smart grid, alla meccatronica, ai sistemi di controllo e gestione per l’accumulo e la conversione dell’energia elettrica, ai veicoli elettrici, ai biosensori, ai sistemi biometrici, etc.

Prerequisiti. Conoscenze di base riguardanti i sistemi elettronici e di elaborazione dei segnali.

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, sistemi di distribuzione dell’energia elettrica e delle merci, reti biologiche e sociali, 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, anche considerando le problematiche di sostenibilità ambientale. Attraverso una sistematica attività di laboratorio, nel corso della quale saranno considerate le metodologie relative alla progettazione e alla realizzazione di architetture di calcolo e 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.