Ingegneria Elettronica - Electronics Engineering

CONOSCENZA E COMPRENSIONE. Sono forniti i principi di base della progettazione di sistemi automatici per il machine learning (problemi di classificazione, clustering, approssimazione funzionale e predizione) basati su tecniche di Intelligenza Computazionale (reti neurali, logica fuzzy, algoritmi evolutivi). Gli studenti che passano la prova finale saranno in grado di leggere e comprendere testi ed articoli su argomenti avanzati nell’ambito del Soft Computing e dell’Intelligenza Computazionale (Reti neurali, meta-euristiche di ottimizzazione, sistemi fuzzy). CAPACITÀ APPLICATIVE. Gli studenti che passano la prova finale saranno in grado di applicare i principi metodologici e gli algoritmi studiati per la progettazione di innovativi sistemi di machine learning, in contesti multidisciplinari. AUTONOMIA DI GIUDIZIO. Gli studenti che passano la prova finale saranno in grado di analizzare i requisiti di progettazione e di scegliere il sistema di machine learning che meglio si adatta al caso di studio. ABILITÀ DI COMUNICAZIONE. Gli studenti che passano la prova finale saranno in grado di compilare un rapporto tecnico e di realizzare una opportuna presentazione finalizzato a documentare un qualunque lavoro di progettazione, sviluppo e misura di prestazioni inerente un sistema di machine learning. CAPACITÀ DI APPRENDERE. Gli studenti che passano la prova finale saranno in grado di proseguire in autonomia l’approfondimento dei temi trattati a lezione, realizzando il necessario processo di apprendimento continuo che caratterizza la professionalità in ambito ICT.