AUTONOMOUS NETWORKING

Obiettivi formativi

Obbiettivi generali: Il corso fornirà agli studenti la capacità di affrontare le problematiche legate alla progettazione, implementazione e utilizzo dei sistemi di reti autonomi. Il corso presenterà sia le basi teoriche che gli aspetti pratici che è necessario conoscere per sviluppare questi sistemi. Obiettivi specifici: La combinazione di molti dispositivi collegati eterogenei, inclusi dispositivi in ​​rapido movimento e capacità di comunicazione avanzate che consentono interazioni in tempo reale sta portando alla creazione di sistemi su una scala e / o un livello di complessità che va oltre la capacità degli umani di comprendere e controllare pienamente . La gestione e il funzionamento di questi sistemi di rete richiedono un livello estremamente elevato di automazione intelligente. Scopo di questo corso è fornire conoscenze sulle principali tecnologie legate alla rete la cui interazione sarà responsabile per rendere autonomi i sistemi di rete. Queste tecnologie, basate principalmente sull'apprendimento di rinforzo (RL), consentono ai sistemi di reagire a ciò che sta accadendo nel loro ambiente e di rispondere di conseguenza. Conoscenza e comprensione: Alla fine del corso gli studenti avranno conoscenze sulle tecnologie - sistemi di comunicazione in rete wireless come reti IoT, reti di backscattering e reti aeree - e metodologie - apprendimento di rinforzo - per progettare reti autonome. In particolare, il corso si concentrerà su problemi di comunicazione e networking di reti autonome e possibili soluzioni. Applicare conoscenza e comprensione: Alla fine del corso gli studenti conosceranno le tecnologie e le metodologie per progettare reti autonome. In particolare, il corso si concentrerà su problemi di comunicazione e networking nelle reti autonome e possibili soluzioni. Capacità critiche e di giudizio: Gli studenti svilupperanno le capacità di analisi necessarie per valutare diverse scelte progettuali alternative selezionando la migliore per ogni specifico scenario applicativo e tipo di tecnologia. Capacità comunicative: Gli studenti impareranno ad analizzare e presentare articoli scientifici, idee di ricerca o soluzioni tecniche di settore, descrivendole in modo sintetico ed accurato, con un linguaggio tecnico adeguato.

Canale 1
GAIA MASELLI Scheda docente

Programmi - Frequenza - Esami

Programma
Il corso prevede 3 parti: 1) Reti di sensori terrestri e aeree, Reti IoT, e principali protocolli MAC (20 ore) 2) Concetti di Reinforcement learning: - Multi-armed bandits (10 ore) - Processi di Markov (10 ore) - Q-learning (10 ore) 3) Applicazione di tecniche di Reinforcement Learning a protocolli MAC e routing per reti di sensori e IoT (20 ore)
Prerequisiti
Reti di elaboratori
Testi di riferimento
Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto, Second Edition MIT Press, Cambridge, MA, 2018
Modalità insegnamento
Il corso tipicamente viene svolto in modalità tradizionale. In caso di emergenza COVID può essere svolto in modalità remota o mista.
Frequenza
La frequenza è fortemente consigliata.
Modalità di esame
L'esame si svolge con una prova scritta, con domande sia a scelta multipla che aperte. Possono essere previsti degli homework che vengono valutati come parte dell'esame.
Bibliografia
Articoli scientifici indicati durante il corso.
Modalità di erogazione
Il corso tipicamente viene svolto in modalità tradizionale. In caso di emergenza COVID può essere svolto in modalità remota o mista.
GAIA MASELLI Scheda docente

Programmi - Frequenza - Esami

Programma
Il corso prevede 3 parti: 1) Reti di sensori terrestri e aeree, Reti IoT, e principali protocolli MAC (20 ore) 2) Concetti di Reinforcement learning: - Multi-armed bandits (10 ore) - Processi di Markov (10 ore) - Q-learning (10 ore) 3) Applicazione di tecniche di Reinforcement Learning a protocolli MAC e routing per reti di sensori e IoT (20 ore)
Prerequisiti
Reti di elaboratori
Testi di riferimento
Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto, Second Edition MIT Press, Cambridge, MA, 2018
Modalità insegnamento
Il corso tipicamente viene svolto in modalità tradizionale. In caso di emergenza COVID può essere svolto in modalità remota o mista.
Frequenza
La frequenza è fortemente consigliata.
Modalità di esame
L'esame si svolge con una prova scritta, con domande sia a scelta multipla che aperte. Possono essere previsti degli homework che vengono valutati come parte dell'esame.
Bibliografia
Articoli scientifici indicati durante il corso.
Modalità di erogazione
Il corso tipicamente viene svolto in modalità tradizionale. In caso di emergenza COVID può essere svolto in modalità remota o mista.
  • Codice insegnamento10596281
  • Anno accademico2025/2026
  • CorsoComputer Science - Informatica
  • CurriculumCurriculum unico
  • Anno2º anno
  • Semestre1º semestre
  • SSDINF/01
  • CFU6