Obiettivi formativi

Il Corso di studi magistrale in Intelligenza Artificiale, Data Science e Big Data è articolato in 4 aree di apprendimento:

• Matematica: include le basi matematiche del machine learning e dell’ottimizzazione. In particolare intende fornire le conoscenze e capacità di comprensione:
  - basi matematiche del machine learning e i metodi fondamentali di inferenza statistica, con particolare riferimento all'analisi dei dati;
  - tecniche base della modellazione dei processi decisionali e principali metodi di ricerca euristica, ricerca locale e su grafi;
  - metodi per la soluzione di problemi di ottimizzazione basati su programmazione lineare intera;
  - metodi per la soluzione di problemi di ottimizzazione che coinvolgono variabili stocastiche.
• Informatica: fornisce alcune conoscenze avanzate di informatica, l’area include le conoscenze e capacità di comprensione:
  - fondamenti dei linguaggi di programmazione, i paradigmi di programmazione (imperativo, a oggetti, logico e funzionale), la classificazione delle grammatiche, la teoria degli automi riconoscitori;
  - le architetture dei sistemi per il calcolo scientifico ad alte prestazioni (parallelo e distribuito) e le principali tecniche di progettazione e di programmazione di tali sistemi, tenendo anche conto della loro sostenibilità;
  - conoscere le metodologie e tecnologie per lo sviluppo di sistemi e applicazioni basati sul web, anche integrati in database distribuiti.
  
• Fondamenti di Intelligenza Artificiale: fornisce le basi dell’Intelligenza Artificiale per quanto riguarda la soluzione di problemi di ricerca, la logica, le basi del Machine Learning, della programmazione a vincoli e dell’elaborazione del linguaggio naturale. In particolare, include le seguenti conoscenze e capacità di comprensione:
  - metodi di rappresentazione per modellare problemi di Intelligenza Artificiale, partendo da una descrizione testuale;
  - strategie di ricerca informate e non, o ricerca con avversario, o tecniche di propagazione di vincoli per risolvere problemi di Intelligenza Artificiale già modellati;
  - tecniche di modellazione e risoluzione tipiche dell' intelligenza artificiale, e il formalismo logico, applicato anche alla programmazione e alla prototipazione rapida;
  - tecniche di apprendimento automatico, anche simbolico;
  - tecniche basate su risoluzione di vincoli per problemi di ottimizzazione;
  - tecniche per l'elaborazione del linguaggio naturale, la classificazione e il topic modeling basilari per lo sviluppo di applicazioni di intelligenza artificiale.
• Data Science: comprende le basi della Data Science, il data mining, le reti neurali e i modelli probabilistici incluse le loro applicazioni alla visione artificiale e ai dati non strutturati. Intende fornire le conoscenze e capacità di comprensione:
  - basi della data science dal punto di vista dell'ottimizzazione stocastica;
  - principali architetture di reti neurali deep (reti convoluzionali e ricorrenti);
  - tecniche per la visione artificiale, sia classiche sia basate su machine learning;
  - tecniche per il ragionamento automatico da modelli probabilistici e per costruire tali modelli dai dati.
• Big Data: comprende la progettazione, sviluppo e gestione di architetture Big Data anche nel cloud. Intende fornire le conoscenze e capacità di comprensione:
  - metodologie per la progettazione dei sistemi informativi aziendali;
  - strumenti, architetture di sistemi big data, interfacce e metodi di programmazione di applicazioni e servizi che prevedono l'esecuzione in ambiente cloud;
  - i protocolli di comunicazione per i sistemi IoT e gli strumenti per la realizzazione di applicazioni software per monitorare e controllare dispositivi connessi in rete in ambito domotico e industriale.
• Area settori affini della giurisprudenza e dell'etica: includono gli aspetti economici, organizzativi, etici e legali della trasformazione digitale e dell’IA. L’area settori affini intende fornire le conoscenze e capacità di comprensione riguardo le implicazioni economiche, organizzative, etiche, giuridiche, sociali della trasformazione digitale e dell’IA, nonché su aspetti di etica professionale e organizzazione aziendale.

Lo specialista in Intelligenza Artificiale, Big Data e Data Science può ricoprire ruoli di analista di sistemi di Intelligenza Artificiale e di basi di dati di grandi dimensioni, di progettista e sviluppatore di componenti basati su Intelligenza Artificiale e che analizzano, con strumenti automatici, grandi quantità di dati, sa assumere ruoli di responsabilità in attività di progettazione di sistemi di Intelligenza Artificiale, con integrazione di moduli di Intelligenza Artificiale, Big Data e Data Science in sistemi complessi, nonché in attività per il loro test e manutenzione e gestione.

Sarà in grado di

• analizzare i requisiti di applicazioni di Intelligenza Artificiale, Big Data e Data Science interagendo con gli esperti del dominio applicativo;

• coordinare progetti di Intelligenza Artificiale collaborando con team estesi di analisti, progettisti, sviluppatori e utenti esperti del dominio;

• progettare e sviluppare sistemi di Intelligenza Artificiale;

• integrare vari moduli in modo da comporre applicazioni complesse di Intelligenza Artificiale;

• progettare, sviluppare, integrare, mantenere e gestire sistemi basati sulla conoscenza, sistemi per l’ottimizzazione, sistemi di machine learning, sistemi di computer vision, sistemi per l’analisi del linguaggio naturale, sistemi di Big Data e Cloud Computing, sistemi per il ragionamento spazio-temporale, sistemi per l’analisi dei dati;

• analizzare, misurare e verificare le prestazioni di applicazioni di Intelligenza Artificiale, Big Data e Data Science;

• ideare nuove tecnologie di Intelligenza Artificiale, documentarle in modo efficace e spiegarle a utenti e decisori;  

• svolgere formazione su tematiche di Intelligenza Artificiale, Big Data e Data Science.