DAES

Lingua Insegnamento:

italiano
Testi di riferimento:

dispense del docente
Obiettivi formativi:

Il Corso vuole introdurre dinamiche e megatrend delle tecnologie del settore dell’Intelligenza Artificiale e analizzare gli impatti che avranno sui processi socio-economici, soprattutto per quanto riguarda quelli a supporto del trattamento delle informazioni in generale e delle decisioni in particolare. Durante il corso verranno discussi casi concreti di progetti in cui le tecnologie basate su AI hanno innovato in modo a volte molto forte prodotti e servizi offerti dalle aziende.
Prerequisiti:

Machine learning
Python
Metodi didattici:

Il docente svolgerà lezioni frontali teoriche sugli argomenti previsti dall’intero programma.
Le lezioni saranno arricchite dall’analisi di casi pratici e dallo svolgimento di esercitazioni, discussioni e letture di gruppo.
Al fine di una più efficace illustrazione dei contenuti in aula sono previsti approfondimenti attraverso seminari e lavori di gruppo.
Modalità di verifica dell'apprendimento:

Tipo di esame: prova orale.
La verifica dell’apprendimento è svolta attraverso una prova orale suddivisa in domande dirette a valutare le seguenti aree che valgono ciascuna 1/3 del voto finale:
1) il grado di approfondimento dell’intero programma di studio;
2) l’adeguatezza terminologica rispetto ai temi trattati che permetta di usare con precisione i concetti propri delle tecnologie dell'AI.
3) l’acquisizione delle capacità e delle abilità di applicazione delle conoscenze acquisite ai problemi concreti della teoria delle decisioni.
Valutazione:
• Da 18 a 21: preparazione sufficiente con specifico riguardo allo studio dei principi generali;
• Da 22 a 24: preparazione pienamente sufficiente con specifico riguardo allo studio dei principi generali della teoria dell'AI;
• Da 25 a 26: preparazione buona con specifico riguardo allo studio dei principi generali della teoria dell'AI e delle sue applicazioni industriali.
• Da 27 a 29: preparazione molto buona con specifico riguardo allo studio dei principi generali della teoria dell'AI e delle sue applicazioni industriali, con particolare riguardo alla teoria delle decisioni.
• Da 30 a 30 e lode: preparazione molto buona con specifico riguardo allo studio dei principi generali della teoria dell'AI e delle sue applicazioni industriali, con particolare riguardo alla teoria delle decisioni, nonché alle principali implicazioni di ordine etico e sociale.
Sostenibilità:
Altre Informazioni:

orario di ricevimento: online o in presenza da concordare con il docente

Il corso ha per oggetto la Teoria dell'AI il suo sviluppo tecnologico dai primordi fino alle più recenti tecniche "generative", con lo scopo di evidenziarne le attuali applicazioni industriali e le prospettive, con un focus sui processi decisionali, anche evidenziando le implicazioni etiche e sociali che derivano dall'adozione di tali tecnologie.

Introduzione e storia dell’AI (1)
Introduzione storia dell’AI (2)
Trend tecnologici in atto.
Tipologie di algorimti di AI
Algoritmi Supervisionati: algoritmi previsioni e classificazioni di ogni tipologia di dati (suoni, immagini, testi,.).
Algoritmi non Supervisionati: algoritmi di clustering e profilazione.
Algoritmi di Reinforcement Learning: k-armed bandit, Algoritmi di policy evaluation.
AI Generativa
Casi studio di applicazione degli algoritmi ai processi decisionali. Ambiti di applicazione.
Presentazione di casi di applicazione al Marketing: algoritmi di profilazione, segmentazione ed estrapolazione, basati sui comportamenti, attraverso analisi dirette e indirette.
Presentazione di casi di applicazione alla gestione dei rischi: algoritmi di profilazione, segmentazione ed estrapolazione, basati sui comportamenti, attraverso analisi dirette e indirette.
Presentazione di casi di applicazione ai mercati finanziari: algoritmi di analisi dei bilanci di società quotate, analisi dei trend di prezzo (1/3)
Presentazione di casi di applicazione ai mercati finanziari: algoritmi di analisi dei bilanci di società quotate, analisi dei trend di prezzo (2/3).
Presentazione di casi di applicazione ai mercati finanziari: algoritmi di analisi dei bilanci di società quotate, analisi dei trend di prezzo (3/3).
Presentazione di casi di applicazione allo screening diagnostico: algoritmi di profilazione, segmentazione ed estrapolazione, basati sui dati clinici e comportamentali.