Fisica

OBIETTIVI GENERALI: Il corso è di carattere introduttivo e di interesse generale e interdisciplinare. Nel ciclo di lezioni verranno illustrati i principi e le idee più importanti alla base dei metodi e algoritmi di apprendimento automatico (machine learning), con esempi teorici e applicativi in differenti settori della fisica e del ricerca scientifica più in generale. Obiettivo principale del corso è quello di fornire allo studente le conoscenze fondamentali per poter capire il funzionamento dei moderni algoritmi di machine learning e riuscire a risolvere problemi di apprendimento automatico attraverso una corretta formulazione del problema, una scelta critica dell’algoritmo di apprendimento e un’analisi sperimentale per valutare i risultati ottenuti. Il corso prevede una frazione consistente di esercitazioni hands-on al computer che consentono allo studente di sperimentare direttamente le nozioni apprese su applicazioni reali. Durante le esercitazioni verranno implementati praticamente ed applicati a problemi reali alcuni degli algoritmi di machine learning discussi durante le lezioni teoriche. Il corso fornisce conoscenze utili e spendibili: - nel mondo del lavoro: sviluppo e applicazione di algoritmi di machine learning in settori di punta della tecnologia (sistemi di visione automatica, sistemi di guida autonoma, automazione industriale, sistemi di AI per robotica. etc..), della medicina (riconoscimento e segmentazione immagini diagnostiche, ecc.), dell'informatica (analisi big-data, motori di ricerca, ecc.), finanza (algoritmi predittivi titoli in borsa, ecc.) . - nel mondo della ricerca di base e applicata : il machine learning è uno strumento largamente utilizzato nella ricerca sia teorica che sperimentale per esempio in fisica delle particelle (dai sistemi di acquisizione dati in tempo reale (trigger), all'utilizzo per la interpretazione dei risultati sperimentali nel contesto di diversi modelli teorici, etc..), nella fisica statistica e dei sistemi complessi, nell'astrofisica, nella fisica sperimentale della materia condensata, etc. OBIETTIVI SPECIFICI: A - Conoscenza e capacità di comprensione OF 1) Conoscere i fondamenti dei metodi del Machine Learnign OF 2) Conoscere i fondamenti dei metodi di Deep Learnig basati su Reti Neurali Differenziabili OF 3) Comprendere il linguaggio del ML e del DL B – Capacità applicative OF 4) Essere in grado di implementare semplici programmi di apprendimento supervisionato e non supervisionato OF 5) Saper risolvere semplici problemi in ambito scientifico usando i metodi del ML e DL OF 6) Essere in grado di quantificare le prestazioni di un modello addestrato di ML e DL C - Autonomia di giudizio OF 8) Avere la capacità di valutare il miglior modo di implementare un modello di ML/DL D – Abilità nella comunicazione OF 9) Saper comunicare per iscritto il risultati del proprio lavoro OF 10) Saper discutere le caratteristiche e funzionalità di semplici modelli coputazionali basati su ML e DL E - Capacità di apprendere OF 11) Avere la capacità di consultare le API delle librerie software più utilizzate in ambito ML/DL OF 12) Essere in grado di ideare e sviluppare un progetto di Inteligenza Artificiale Applicata