Scienze matematiche per l’intelligenza artificiale

Obiettivi generali: L’obiettivo dell'insegnamento di Architetture per AI è di dare una panoramica delle soluzioni hardware disponibili per esecuzione dei principali algoritmi per AI. Il corso parte dalla descrizione di un architettura di calcolo general purpose, evidenziandone le caratteristiche principali e i limiti prestazionali. In seguito vengono presentate diverse soluzioni hardware per AI utili a superare i limiti delle architetture general purpose. Verranno inoltre introdotti i paradigmi di progammazione relativi alle differenti architetture per AI. Obiettivi specifici: Il corso tratta le principali architetture harware utilizzate per AI. In particolare verranno presentate le seguenti architetture: - Processori Multicore e paradigma di programmazione parallela tramite OpenMP. - GPU e paradigma di programmazione massivamente parallelo tramite CUDA. - TPU e programmazione con TensorFlow - FPGA e programmazione con OpenCL/HLS Conoscenza e comprensione: Lo studente acquisirà conoscenza sull’organizzazione delle varie architture hardware utilizzate per AI. Inoltre, lo studente acquisirà conoscenza su come programmare tali architture per eseguire algoritmi per AI. Applicazione di conoscenza e comprensione: Lo studente sarà in grado di sviluppare algoritmi per AI su diverse architetture per AI e di valutare le prestazioni ottenibili sulle diverse architetture. Autonomia di giudizio: Lo studente sarà in grado di comprendere le problematiche relative alla programmazione ed alle prestazioni ottenibili dai principali algoritmi per AI su diverse architetture hardware. Abilità comunicative: Il corso non si propone espliciti obiettivi sulle capacità comunicative, eccetto di formare all'esposizione rigorosa degli argomenti tecnici. Capacità di apprendimento: Il corso consente di comprendere le differenze tra le varie architetture per AI e offre fornisce gli strumnenti per poter scegliere l'architettura più adatta a seconda dello scenario applicativo.