Obiettivi formativi Obiettivi formativi:
Colmare eventuali lacune nelle conoscenze matematiche di base normalmente comprese nei programmi di scuola secondaria superiore e stabilire un linguaggio e una preparazione di base uniformi affinché lo studente possa seguire i corsi istituzionali con maggiore profitto.
Conoscenza e capacità di comprensione:
Buona conoscenza teorica e pratica di nozioni matematiche di base normalmente comprese nei programmi di scuola secondaria superiore e capacità di comprensione di queste tematiche anche nell'ambito degli insegnamenti istituzionali.
Capacità di applicare conoscenza e comprensione:
Capacità di utilizzare le competenze acquisite per risolvere semplici problemi sulle nozioni matematiche di base normalmente comprese nei programmi di scuola secondaria superiore anche per applicazioni richieste in insegnamenti istituzionali.
Autonomia di giudizio:
Buona capacità di riconoscere, inquadrare e impostare la risoluzione di semplici problemi sulle nozioni matematiche di base normalmente comprese nei programmi di scuola secondaria superiore, eventualmente selezionando opportunamente tra i metodi appresi.
Abilità comunicativa:
Buona capacità di esposizione di concetti e tecniche di base normalmente comprese nei programmi di scuola secondaria superiore nonché di metodi risolutivi di semplici problemi.
Capacità di apprendimento:
Buona capacità di apprendimento delle questioni di carattere matematico in altri insegnamenti, in forza della comprensione del carattere logico-deduttivo della disciplina.
|
Obiettivi formativi L'obiettivo di queste attività è di fornire strumenti strumenti trasversali, non necessariamente disciplinari, utili sia al proseguimento degli studi che in ambito professionale.
Tra queste: capacità di presentazione in pubblico (public speaking), capacità di produrre documenti scritti (tesine, tesi, articoli, relazioni), abilità con uso di editori di testi scientifici (ad esempio Latex), lavoro di gruppo, etc.
|
Obiettivi formativi Obiettivi formativi
Gli obiettivi formativi principali dell’insegnamento sono l'apprendimento delle tecniche di modellizzazione base dei problemi di Ricerca Operativa e delle modalità di utilizzo di un package per la soluzione di tali problemi.
Conoscenza e capacità di comprensione.
Dopo aver frequentato il corso gli studenti conoscono e comprendono le principali classi di problemi di Programmazione Lineare e Programmazione Lineare Intera e le caratteristiche dei package per la Programmazione Matematica.
Capacità di applicare conoscenza e comprensione.
Gli studenti che superano l'esame sono in grado di analizzare un semplice problema di reale, scrivere il relativo modello di Programmazione Lineare o di Programmazione Lineare Intera, risolverlo con un package per la Programmazione Matematica e analizzare la soluzione ottenuta.
Autonomia di giudizio.
Gli studenti imparano a riconoscere diverse classi di problemi di ottimizzazione e a condurre un'analisi post-ottimale dei risultati ottenuti.
Abilità comunicativa.
Durante le lezioni gli studenti acquisiscono gli elementi di base del linguaggio della disciplina anche grazie alla interazione diretta con il docente.
Capacità di apprendimento.
Gli studenti che superano l’esame hanno imparato a modellizzare e risolvere mediante l'utilizzo di un package alcune classi di problemi di ottimizzazione e sono in grado di approfondire le loro conoscenze e competenze in contesti modellistici più complessi.
|
Obiettivi formativi Obiettivi formativi
Il corso "Laboratorio di IA" ha l’obiettivo di fornire agli studenti una comprensione pratica dei principali strumenti e tecniche dell’intelligenza artificiale privilegiando, ove utile, un approccio di tipo statistico-probabilistico. Attraverso attività laboratoriali e progetti applicativi, il corso mira a sviluppare competenze operative nell’uso di algoritmi di machine learning, reti neurali profonde, e altre tecnologie emergenti nel campo dell’AI come LLM e modelli di diffusione. Gli studenti saranno guidati nella progettazione e realizzazione di soluzioni a problemi reali di natura multidisciplinare, sviluppando il pensiero critico e una maggiore consapevolezza sia delle potenzialità che dei limiti degli strumenti studiati.
Conoscenza e capacità di comprensione
Il corso fornisce agli studenti una solida comprensione pratica dei principali strumenti e tecniche dell’intelligenza artificiale, con particolare attenzione agli approcci statistico-probabilistici. Viene promossa la conoscenza di algoritmi di machine learning, reti neurali profonde, modelli generativi avanzati (come LLM e modelli di diffusione) e delle loro applicazioni.
Capacità di applicare conoscenza e comprensione
Attraverso attività laboratoriali e progetti applicativi, gli studenti imparano ad applicare concretamente le tecniche studiate per sviluppare soluzioni a problemi reali e multidisciplinari, maturando competenze operative nell’uso di strumenti AI avanzati.
Autonomia di giudizio
Il corso stimola lo sviluppo del pensiero critico e l’acquisizione di consapevolezza sui limiti e le potenzialità degli strumenti utilizzati, promuovendo una valutazione autonoma e riflessiva delle soluzioni adottate nei diversi contesti applicativi.
Abilità comunicativa
La partecipazione a progetti applicativi multidisciplinari implica la necessità di comunicare efficacemente risultati, scelte progettuali e criticità, anche in contesti collaborativi, contribuendo allo sviluppo di abilità comunicative tecniche.
Capacità di apprendimento
Il carattere laboratoriale e l’approccio pratico del corso incoraggiano l’apprendimento attivo, l’adattamento a nuove tecnologie e la capacità di aggiornarsi in un campo in rapida evoluzione come quello dell’intelligenza artificiale.
|
Obiettivi formativi Obiettivi formativi
Il corso "Laboratorio di IA" ha l’obiettivo di fornire agli studenti una comprensione pratica dei principali strumenti e tecniche dell’intelligenza artificiale privilegiando, ove utile, un approccio di tipo statistico-probabilistico. Attraverso attività laboratoriali e progetti applicativi, il corso mira a sviluppare competenze operative nell’uso di algoritmi di machine learning, reti neurali profonde, e altre tecnologie emergenti nel campo dell’AI come LLM e modelli di diffusione. Gli studenti saranno guidati nella progettazione e realizzazione di soluzioni a problemi reali di natura multidisciplinare, sviluppando il pensiero critico e una maggiore consapevolezza sia delle potenzialità che dei limiti degli strumenti studiati.
Conoscenza e capacità di comprensione
Il corso fornisce agli studenti una solida comprensione pratica dei principali strumenti e tecniche dell’intelligenza artificiale, con particolare attenzione agli approcci statistico-probabilistici. Viene promossa la conoscenza di algoritmi di machine learning, reti neurali profonde, modelli generativi avanzati (come LLM e modelli di diffusione) e delle loro applicazioni.
Capacità di applicare conoscenza e comprensione
Attraverso attività laboratoriali e progetti applicativi, gli studenti imparano ad applicare concretamente le tecniche studiate per sviluppare soluzioni a problemi reali e multidisciplinari, maturando competenze operative nell’uso di strumenti AI avanzati.
Autonomia di giudizio
Il corso stimola lo sviluppo del pensiero critico e l’acquisizione di consapevolezza sui limiti e le potenzialità degli strumenti utilizzati, promuovendo una valutazione autonoma e riflessiva delle soluzioni adottate nei diversi contesti applicativi.
Abilità comunicativa
La partecipazione a progetti applicativi multidisciplinari implica la necessità di comunicare efficacemente risultati, scelte progettuali e criticità, anche in contesti collaborativi, contribuendo allo sviluppo di abilità comunicative tecniche.
Capacità di apprendimento
Il carattere laboratoriale e l’approccio pratico del corso incoraggiano l’apprendimento attivo, l’adattamento a nuove tecnologie e la capacità di aggiornarsi in un campo in rapida evoluzione come quello dell’intelligenza artificiale.
|
