Corso di laurea: Artificial Intelligence and Robotics - Intelligenza Artificiale e Robotica
A.A. 2020/2021
Conoscenza e capacità di comprensione
Il laureato magistrale in Intelligenza Artificiale e Robotica conosce gli aspetti fondamentali dei sistemi robotici, dei sistemi automatici avanzati e dei sistemi intelligenti di elaborazione dell’informazione, nonché i linguaggi, modelli e metodi propri dell’Intelligenza Artificiale e della Robotica. La conoscenza di tecniche e strumenti moderni di modellazione, analisi e progetto di sistemi robotici e sistemi intelligenti di elaborazione delle informazioni è conseguita attraverso la fruizione delle lezioni e delle esercitazioni previste nell'ambito degli insegnamenti obbligatori e a scelta. Alcuni insegnamenti prevedono lo sviluppo di un progetto e/o l'esecuzione di attività di laboratorio. Tutti gli insegnamenti prevedono la consultazione e l'impiego di materiale didattico aggiornato e funzionale. Il laureato magistrale in Intelligenza Artificiale e Robotica deve inoltre essere in grado di acquisire in modo autonomo nuove conoscenze di carattere tecnico specializzato dalla letteratura scientifica e tecnica del settore, sia nell'ambito delle tematiche approfondite nel curriculum, sia in altri ambiti dell’Intelligenza Artificiale e della Robotica. Gli strumenti didattici sono quelli tradizionali delle lezioni e delle esercitazioni. Le attività di studio individuale prevedono in molti casi la consultazione della letteratura tecnica e scientifica del settore. La verifica delle capacità di conoscenza e comprensione viene effettuata tramite le prove scritte e/o orali previste per gli esami di profitto e per le altre attività formative, in particolare tramite la prova finale che prevede la discussione di una tesi di laurea, e tramite le prove di esame degli insegnamenti a carattere seminariale.Capacità di applicare conoscenza e comprensione
Il laureato magistrale in Intelligenza Artificiale e Robotica deve essere in grado di interagire efficacemente con specialisti di diversi settori applicativi al fine di comprenderne le specifiche esigenze nella realizzazione di soluzioni inerenti diversi campi applicativi. Il laureato magistrale in Intelligenza Artificiale e Robotica deve saper descrivere in modo chiaro e comprensibile soluzioni ed aspetti tecnici nel proprio ambito di competenze. In particolare, deve saper addestrare collaboratori, coordinare e partecipare a gruppi di progetto nell'industria, pianificare e condurre la formazione. Il laureato magistrale in Intelligenza Artificiale e Robotica deve inoltre essere in grado di utilizzare fluentemente, in forma scritta e orale, la lingua inglese. In particolare, la didattica in lingua inglese mira a preparare gli studenti all'interazione in ambito professionale in tale lingua. Le conoscenze tecniche e metodologiche su sistemi robotici, sistemi automatici avanzati e sistemi intelligenti di elaborazione delle informazioni vengono acquisite nel corso delle lezioni e sono applicate nell’ambito di esercitazioni, progetti e tesine, attività sperimentali di laboratorio nonché nel lavoro finale di tesi per la modellazione, l’analisi e il progetto di strumenti informatici. Sono inoltre previsti seminari rivolti all'acquisizione di abilità comunicative. La verifica delle abilità comunicative viene effettuata tramite le prove scritte e/o orali previste per gli esami di profitto e per le altre attività formative, in particolare tramite la prova finale che prevede la discussione di una tesi di laurea, e tramite le prove di esame degli insegnamenti a carattere seminariale.Autonomia di giudizio
Il laureato magistrale in Intelligenza Artificiale e Robotica deve avere la capacità di analizzare e progettare sistemi complessi, valutando l'impatto delle soluzioni nel contesto applicativo, sia relativamente agli aspetti tecnici che agli aspetti organizzativi. Il laureato magistrale in Intelligenza Artificiale e Robotica deve inoltre saper valutare le implicazioni economiche, sociali ed etiche ad esse associate.
L’acquisizione di una autonomia di giudizio avviene tramite lo studio individuale e di gruppo, la partecipazione ad attività di laboratorio e la stesura di relazioni su attività di progetto. In particolare, la preparazione dell’elaborato di tesi di laurea, lo sviluppo di attività progettuali, e le prove d’esame degli insegnamenti a carattere seminariale hanno l’obiettivo di sviluppare l’autonomia di giudizio. La valutazione della capacità dello studente di esprimere giudizi in modo autonomo è condotta tramite la stesura di elaborati personali, sia nell'ambito dei singoli moduli che nella prova finale.
Abilità comunicative
Il laureato magistrale in Intelligenza Artificiale e Robotica deve essere in grado di interagire efficacemente con specialisti di diversi settori applicativi al fine di comprenderne le specifiche esigenze nella realizzazione di soluzioni inerenti diversi campi applicativi.
Il laureato magistrale in Intelligenza Artificiale e Robotica deve saper descrivere in modo chiaro e comprensibile soluzioni ed aspetti tecnici nel proprio ambito di competenze. In particolare, deve saper addestrare collaboratori, coordinare e partecipare a gruppi di progetto nell'industria, pianificare e condurre la formazione.
Tali capacità e abilità possono essere acquisite nel corso delle regolari attività formative previste nell'ambito del corso di studio, attraverso momenti di discussione e confronto nei lavori di gruppo, e affinate in attività seminariali e di presentazione di progetti e tesine, nonché in sede di preparazione della prova finale.
Il laureato magistrale in Intelligenza Artificiale e Robotica deve inoltre essere in grado di utilizzare fluentemente, in forma scritta e orale, la lingua inglese. In particolare, la didattica in lingua inglese mira a preparare gli studenti all'interazione in ambito professionale in tale lingua.
Gli strumenti didattici sono quelli tradizionali delle lezioni e delle esercitazioni e della preparazione della prova finale. Sono inoltre previsti seminari rivolti all'acquisizione di abilità comunicative.
La verifica delle abilità comunicative viene effettuata tramite le prove scritte e/o orali previste per gli esami di profitto e per le altre attività formative, in particolare tramite la prova finale che prevede la discussione di una tesi di laurea, e tramite le prove di esame degli insegnamenti a carattere seminariale.
Capacità di apprendimento
Il laureato magistrale in Intelligenza Artificiale e Robotica deve essere in grado di acquisire in modo autonomo nuove conoscenze di carattere tecnico specializzato dalla letteratura scientifica e tecnica del settore, sia nell'ambito delle tematiche approfondite nel curriculum, sia in altri ambiti dell'intelligenza artificiale e della robotica. Le attività di studio individuale prevedono in molti casi la consultazione della letteratura tecnica e scientifica del settore. Tali capacità di apprendimento sono acquisite e sviluppate con gli strumenti didattici tradizionali delle lezioni e delle esercitazioni, e con attività di laboratorio, svolte singolarmente e in gruppo. La verifica della capacità di apprendimento è effettuata attraverso le prove scritte e/o orali previste per gli esami di profitto, in particolare tramite la stesura di una relazione tecnica nelle materie che prevedono un'attività progettuale.
Requisiti di ammissione
L'accesso alla Laurea Magistrale in Intelligenza Artificiale e Robotica è regolamentato dai sottoindicati criteri per la verifica dei requisiti curricolari.
Verrà effettuata una valutazione preventiva della carriera pregressa. Gli allievi saranno ammessi se la somma di crediti riconoscibili nelle materie di base e caratterizzanti nei SSD sotto riportati è complessivamente superiore a 96 crediti. Sulla base della valutazione della carriera verrà individuato un percorso formativo che potrà prevedere una differenziazione fino ad un massimo di 36 crediti.
ING-IND/03 Meccanica del volo
ING-IND/04 Costruzioni e strutture aerospaziali
ING-IND/05 Sistemi aerospaziali,
ING-IND/07 Propulsione aerospaziale
ING-IND/13 Meccanica applicata alle macchine
ING-IND/14 Progettazione meccanica e costruzione di macchine
ING-IND/31 - Elettrotecnica
ING-IND/35 - Ingegneria economica e gestionale
ING-INF/01 - Elettronica
ING-INF/02 - Campi elettromagnetici
ING-INF/03 - Telecomunicazioni
ING-INF/04 - Automatica
ING-INF/05 - Sistemi di elaborazione delle informazioni
ING-INF/06 - Bioingegneria elettronica ed informatica
ING-INF/07 - Misure elettriche ed elettroniche
INF/01 - Informatica
CHIM/07 - Fondamenti Chimici delle tecnologie
FIS/01 - Fisica sperimentale
MAT/02 - Algebra
MAT/03 - Geometria
MAT/05 - Analisi matematica
MAT/06 - Probabilità e statistica matematica
MAT/08 - Analisi numerica
MAT/09 - Ricerca Operativa
M-FIL/02 - Logica e filosofia della scienza
SECS-S/02 - Statistica per la ricerca sperimentale e tecnologica
E' richiesta, inoltre, una buona padronanza, in forma scritta e parlata, della lingua inglese, almeno al livello di competenza B2.
L'accesso alla Laurea Magistrale in Intelligenza Artificiale e Robotica prevede, inoltre, una verifica della adeguatezza della preparazione personale degli studenti, le cui modalità saranno definite nel regolamento didattico.
Prova finale
La prova finale consiste nella discussione della tesi di laurea che viene svolta dal candidato sotto la supervisione di un docente del Corso di Studio e costituisce un banco di prova per la verifica delle conoscenze acquisite dallo studente e della sua capacità di approfondirle, applicarle in modo autonomo in un contesto specifico e presentarle con capacità di sintesi. Lo svolgimento della tesi di laurea dovrà comportare lo sviluppo di una originale e significativa attività progettuale, orientata ad affrontare problematiche progettuali in contesti applicativi innovativi, o riguardare aspetti di base e /o metodologici con particolare attenzione ai problemi della ricerca nel settore. In entrambi le tipologie di tesi, verrà favorito, l'inserimento nelle attività svolte nell'ambito di progetti di ricerca e la pubblicazione di risultati nella letteratura scientifica del settore. La prova finale deve valutare l'elaborato e la presentazione del lavoro del candidato con riferimento ai risultati di apprendimento attesi.Orientamento in ingresso
Il SOrT è il servizio di Orientamento integrato della Sapienza. Il servizio ha una sede centrale nella Città universitaria e sportelli dislocati presso le Facoltà. Nei SOrT gli studenti possono trovare informazioni più specifiche rispetto alle Facoltà e ai corsi di laurea e un supporto per orientarsi nelle scelte. L'ufficio centrale e i docenti delegati di Facoltà coordinano i progetti di orientamento in ingresso e di tutorato, curano i rapporti con le scuole medie superiori e con gli insegnanti referenti dell'orientamento in uscita, propongono azioni di sostegno nella delicata fase di transizione dalla scuola all'università e supporto agli studenti in corso, forniscono informazioni sull'offerta didattica e sulle procedure amministrative di accesso ai corsi.
Iniziative e progetti di orientamento:
1. "Porte aperte alla Sapienza".
L'iniziativa, che si tiene ogni anno presso la Città Universitaria, è rivolta prevalentemente agli studenti delle ultime classi delle Scuole Secondarie Superiori, ai docenti, ai genitori ed agli operatori del settore; essa costituisce l'occasione per conoscere la Sapienza, la sua offerta didattica, i luoghi di studio, di cultura e di ritrovo ed i molteplici servizi disponibili per gli studenti (biblioteche, musei, concerti, conferenze, ecc.); sostiene il processo d'inserimento universitario che coinvolge ed interessa tutti coloro che intendono iscriversi all'Università. Oltre alle informazioni sulla didattica, durante gli incontri, è possibile ottenere indicazioni sull'iter amministrativo sia di carattere generale sia, più specificatamente, sulle procedure di immatricolazione ai vari corsi di studio e acquisire copia dei bandi per la partecipazione alle prove di accesso ai corsi. Contemporaneamente, presso l'Aula Magna, vengono svolte conferenze finalizzate alla presentazione dell'offerta formativa di tutte le Facoltà dell'Ateneo.
2. Progetto "Un Ponte tra Scuola e Università"
Il Progetto "Un Ponte tra scuola e Università" nasce con l'obiettivo di favorire una migliore transizione degli studenti in uscita dagli Istituti Superiori al mondo universitario e facilitarne il successivo inserimento nella nuova realtà.
Il progetto si articola in tre iniziative:
a) Professione Orientamento - Seminari dedicati ai docenti degli Istituti Superiori referenti per l'orientamento, per favorire lo scambio di informazioni tra la Scuola Secondaria e la Sapienza;
b) La Sapienza si presenta - Incontri di presentazione delle Facoltà e lezioni-tipo realizzati dai docenti della Sapienza e rivolti agli studenti delle Scuole Secondarie su argomenti inerenti ciascuna area didattica;
c) La Sapienza degli studenti – Interventi nelle Scuole finalizzati alla presentazione dei servizi offerti dalla Sapienza e racconto dell'esperienza universitaria da parte di studenti "mentore", studenti senior appositamente formati.
3. Progetto "Conosci te stesso"
Consiste nella compilazione, da parte degli studenti, di un questionario di autovalutazione per accompagnare in modo efficace il processo decisionale degli stessi studenti nella scelta del loro percorso formativo.
4. Progetto "Orientamento in rete"
Si tratta di un progetto di orientamento e di riallineamento sui saperi minimi. L'iniziativa prevede lo svolgimento di un corso di preparazione, caratterizzato una prima fase con formazione a distanza ed una seconda fase realizzata attraverso corsi intensivi in presenza, per l'accesso alle Facoltà a numero programmato dell'area biomedica, sanitaria e psicologica, destinato agli studenti degli ultimi anni di scuola secondaria di secondo grado.
5. Esame di inglese
Il progetto prevede la possibilità di sostenere presso la Sapienza, da parte degli studenti dell'ultimo anno delle Scuole Superiori del Lazio, l'esame di inglese per il conseguimento di crediti in caso di successiva iscrizione a questo Ateneo.
6. Percorsi per le competenze trasversali e per l'orientamento - PCTO (ex alternanza scuola-lavoro).
Si tratta di una modalità didattica che, attraverso l'esperienza pratica, aiuta gli studenti delle Scuole Superiori a consolidare le conoscenze acquisite a scuola e a testare sul campo le proprie attitudini mentre arricchisce la formazione e orienta il percorso di studio.
7. Tutorato in ingresso
Sono previste attività di tutorato destinate agli studenti e alle studentesse dei cinque anni delle Scuole Superiori.
Sapienza Università di Roma
Regolamento Didattico del Corso di Laurea Magistrale in Intelligenza Artificiale e Robotica
(Master of Science in Artificial Intelligence and Robotics)
Classe LM 32 Ingegneria Informatica
Ordine degli Studi 2020/2021
Obiettivi formativi specifici
Il laureato magistrale in Intelligenza Artificiale e Robotica deve essere dotato di una approfondita preparazione e di una vasta cultura scientifica, per affrontare la natura multi-disciplinare delle metodologie impiegate in intelligenza artificiale e robotica, nonché la varietà dei possibili domini di applicazione. Il laureato magistrale in Intelligenza Artificiale e Robotica si troverà infatti ad interagire da un lato con specialisti di diversi settori dell'ingegneria (informatica, meccanica, elettronica, automatica) e dall’altro con esperti e utenti delle molteplici aree applicative interessate. Tra queste ultime sono da considerare tutte quelle aree dove hanno rilievo la rappresentazione e l’uso della conoscenza, il ragionamento automatico basato su conoscenza o informazioni sensoriali, la pianificazione delle azioni in tempo reale e/o in presenza di incertezza, l’autonomia operativa di dispositivi meccatronici, l’automazione dei processi complessi, la robotica industriale e dei servizi, il riconoscimento ed interpretazione di immagini e video e la ricostruzione e simulazione di scene e ambienti, le interazioni fisiche e cognitive utente-macchina.
Per la formazione di un ingegnere laureato magistrale in Intelligenza Artificiale e Robotica, sono necessarie una solida e ampia cultura di base e delle discipline dell’ingegneria, specifiche conoscenze di Informatica ed Automatica, e un’adeguata attività progettuale.
Il percorso formativo della Laurea Magistrale in Intelligenza Artificiale e Robotica si basa sul presupposto che lo studente abbia acquisito preliminarmente le conoscenze relative alla cultura scientifica di base e alle discipline dell’Ingegneria. A questo scopo sono previsti per la laurea magistrale in Intelligenza Artificiale e Robotica diversi percorsi formativi in relazione alla tipologia di laurea ed al curriculum del candidato.
Il percorso formativo prevede l’insegnamento in lingua inglese, consentendo l’accesso anche a studenti provenienti da altri paesi. Favorisce quindi l’integrazione e lo scambio di conoscenze in un contesto internazionale e contribuisce alla formazione di ingegneri che possano operare in progetti multidisciplinari.
Il completamento del curriculum consente allo studente sia di approfondire le proprie conoscenze in settori specifici sia di perfezionare le proprie capacità comunicative attraverso corsi seminariali. Per fornire un'adeguata esperienza nello sviluppo di progetti complessi e nella risoluzione di problemi avanzati nei settori dell’Intelligenza Artificiale e della Robotica il curriculum prevede lo svolgimento di una tesi di laurea che comporta l'acquisizione di 27 crediti.
Requisiti di ammissione e crediti riconoscibili
Requisiti curriculari
L'accesso alla Laurea Magistrale in Intelligenza Artificiale e Robotica è regolamentato dai sotto indicati criteri per la verifica dei requisiti curricolari.
Verrà effettuata una valutazione preventiva della carriera pregressa. Gli allievi saranno ammessi se la somma di crediti riconoscibili nelle materie di base e caratterizzanti nei SSD sotto riportati è complessivamente superiore a 96. Sulla base della valutazione della carriera verrà individuato un percorso formativo che potrà prevedere una differenziazione fino ad un massimo di 36 crediti.
ING-IND/03 Meccanica del volo
ING-IND/04 Costruzioni e strutture aerospaziali
ING-IND/05 Sistemi aerospaziali,
ING-IND/07 Propulsione aerospaziale
ING-IND/13 Meccanica applicata alle macchine
ING-IND/14 Progettazione meccanica e costruzione di macchine
ING-IND/31 - Elettrotecnica
ING-IND/35 - Ingegneria economica e gestionale
ING-INF/01 - Elettronica
ING-INF/02 - Campi elettromagnetici
ING-INF/03 - Telecomunicazioni
ING-INF/04 - Automatica
ING-INF/05 - Sistemi di elaborazione delle informazioni
ING-INF/06 - Bioingegneria elettronica ed informatica
ING-INF/07 - Misure elettriche ed elettroniche
INF/01 - Informatica
CHIM/07 - Fondamenti Chimici delle tecnologie
FIS/01 - Fisica sperimentale
MAT/02 - Algebra
MAT/03 - Geometria
MAT/05 - Analisi matematica
MAT/06 - Probabilità e statistica matematica
MAT/08 - Analisi numerica
MAT/09 - Ricerca Operativa
M-FIL/02 - Logica e filosofia della scienza
SECS-S/02 - Statistica per la ricerca sperimentale e tecnologica
Inoltre gli studenti debbono possedere una buona padronanza, in forma scritta e parlata, della lingua inglese, almeno al livello di competenza B2.
Verifica della preparazione personale
Una commissione appositamente preposta dal Consiglio d’Area Didattica valuterà la preparazione personale dello studente sulla base dei seguenti elementi:
- media voti laurea triennale
- pertinenza del curriculum di studio della laurea di primo livello;
- altre attività extracurriculari, incluse attività lavorative ed altre attività formative;
- colloquio.
Descrizione del percorso formativo
L’articolazione del percorso formativo porterà il laureato magistrale in Intelligenza Artificiale e Robotica ad acquisire, oltre alle competenze caratterizzanti la figura professionale, competenze specifiche ad uno dei settori dell’Ingegneria Informatica e/o Automatica. Il completamento del percorso formativo consente allo studente sia di approfondire le proprie conoscenze nel settore di interesse, sia di perfezionare le proprie capacità comunicative attraverso corsi seminariali.
Per fornire un’adeguata esperienza nello sviluppo di una capacità di risoluzione di problemi e di progettazione di sistemi di Intelligenza Artificiale e Robotica il curriculum prevede lo svolgimento di una tesi di laurea che comporta l’acquisizione di 27 crediti.
Il percorso formativo è articolato come segue:
● Insegnamenti caratterizzanti obbligatori (48 crediti), che forniscono le competenze di base comuni nei campi dell’Intelligenza Artificiale,
della Robotica, dell’Informatica Grafica e della Visione
● Insegnamenti caratterizzanti specialistici (12 crediti a scelta), che forniscono le competenze specialistiche con la scelta tra 2 ambienti
principali, Robotica o Intelligenza Artificiale
● Insegnamenti affini ed integrativi (18 crediti a scelta), che forniscono competenze da SSD affini diversi da quelli caratterizzanti
● Insegnamenti seminariali (3 crediti)
● A scelta dello studente (12 crediti)
● Tesi di laurea (27 crediti)
Per ciascun insegnamento possono essere previste lezioni frontali, esercitazioni, laboratori, lavori di gruppo, ed ogni altra attività che il docente ritenga utile alla didattica. La verifica dell’apprendimento relativa a ciascun insegnamento avviene di norma attraverso un esame (E) che può provvedere prove orali e/o scritte secondo modalità definite dal Docente e comunicate insieme al programma. Per alcune attività non è previsto un esame ma un giudizio di idoneità (V) anche in questo caso le modalità di verifica sono definite dal docente.
La laurea magistrale in Intelligenza Artificiale e Robotica prevede un percorso di eccellenza che ha lo scopo di valorizzare la formazione degli studenti iscritti, meritevoli ed interessati ad attività di approfondimento e di integrazione culturale. Il percorso di eccellenza consiste in attività formative aggiuntive a quelle del corso di studio al quale è iscritto lo studente. Il complesso di tali attività non dà luogo al riconoscimento di crediti utilizzabili per il conseguimento dei titoli universitari rilasciati dall'Università “La Sapienza”. L'accesso al percorso di eccellenza avviene al termine del primo anno di corso, su domanda dello studente, che deve essere in possesso dei requisiti minimi illustrati nel seguito. Ad ogni studente verrà assegnato un tutore. Le modalità di accesso e le attività previste per il percorso di eccellenza sono indicate nel sito web del corso.
Caratteristiche della prova finale
La prova finale consiste nella discussione della tesi di laurea e comporta l'acquisizione di 27 crediti. La tesi di laurea viene svolta dal candidato sotto la supervisione di un docente del Corso di Studio e costituisce un banco di prova per la verifica delle conoscenze acquisite dallo studente e della sua capacità di approfondirle, applicarle in modo autonomo in un contesto specifico e presentarle con capacità di sintesi. Lo svolgimento della tesi di laurea dovrà comportare lo sviluppo di una significativa attività progettuale, orientata ad affrontare problematiche in contesti applicativi innovativi, o riguardare aspetti di ricerca di base e /o metodologici. In entrambi le tipologie di tesi, verrà favorito lo sviluppo di soluzioni originali ed innovative, l’inserimento nelle attività svolte nell’ambito di progetti di ricerca e la pubblicazione di risultati nella letteratura scientifica del settore. La prova finale deve valutare l'elaborato e la presentazione del lavoro del candidato con riferimento ai risultati di apprendimento attesi.
Sbocchi occupazionali e professionali previsti per i laureati
La Laurea Magistrale in Intelligenza Artificiale e Robotica permette di progettare e realizzare sistemi robotici e sistemi per l'elaborazione dell'informazione e loro componenti specifici. Gli ambiti professionali tipici per i laureati magistrali in Intelligenza Artificiale e Robotica sono quelli dell’innovazione e dell’automazione industriale, della robotica di servizio e domestica, della progettazione di sistemi automatici avanzati, di sistemi di video sorveglianza per la sicurezza pubblica e privata, sistemi video per il controllo della qualità applicati alla produzione, ai servizi e al turismo.
I principali profili professionali formati dalla Laurea Magistrale in Intelligenza Artificiale e Robotica sono:
1. Ingegnere progettista di sistemi robotici e sistemi automatici avanzati
2. Ingegnere progettista di sistemi intelligenti di elaborazione dell'informazione
Ingegnere progettista di sistemi robotici e sistemi automatici avanzati
Funzione in un contesto di lavoro:
Progettista di sistemi robotici per applicazioni industriali o di servizio, in particolare da impiegare nella sicurezza, in medicina, in ambienti remoti e/o ostili, nei trasporti, nella difesa, in ambito domestico e di supporto all'attività di persone con diverse abilità fisiche e/o cognitive.
Competenze associate alla funzione:
L'Ingegnere progettista di sistemi robotici e sistemi automatici avanzati:
- analizza, progetta, realizza e verifica le prestazioni di sistemi robotici e sistemi di controllo automatico;
- è in grado di interagire efficacemente con gli esperti dei diversi settori applicativi, al fine di comprendere le specifiche esigenze di progetto;
- è in grado di descrivere in modo chiaro e comprensibile le soluzioni e gli aspetti tecnici del proprio ambito di competenze agli utenti finali e agli organi decisionali;
- sa addestrare collaboratori, coordinare e partecipare a gruppi di progetto nell'industria, pianificare e condurre la formazione;
- è in grado di utilizzare fluentemente, in forma scritta e orale, la lingua inglese con riferimento anche ai lessici disciplinari.
Sbocchi occupazionali:
L'Ingegnere progettista di sistemi robotici e sistemi automatici avanzati può trovare occupazione presso industrie per l'automazione e la robotica, industrie operanti negli ambiti della produzione hardware e software, imprese di servizi e per la sicurezza, industrie operanti nel settore spaziale, imprese operanti nella salvaguardia dell'ambiente e nel turismo, oppure operare come liberi professionisti.
Ingegnere progettista di sistemi intelligenti di elaborazione dell'informazione
Funzione in un contesto di lavoro:
Il progettista di sistemi intelligenti di elaborazione dell'informazione analizza, progetta e verifica sistemi di elaborazione dell'informazione caratterizzati dall'uso di metodi e tecniche di intelligenza artificiale. Esempi di tali sistemi sono: sistemi di knowledge management e di estrazione di conoscenza da grandi quantità di dati; sistemi grafici e di animazioni, in particolare per l'industria del cinema e dei videogiochi; sistemi di videosorveglianza e sistemi video per il monitoraggio e la valutazione della qualità della produzione e dei servizi; sistemi per la gestione della complessità.
Competenze associate alla funzione:
L'ingegnere progettista di sistemi intelligenti di elaborazione dell'informazione:
- analizza, progetta, realizza e verifica le prestazioni di sistemi di elaborazione dell'informazione;
- è in grado di interagire efficacemente con gli esperti dei diversi settori applicativi, al fine di comprendere le specifiche esigenze di progetto;
- è in grado di descrivere in modo chiaro e comprensibile le soluzioni e gli aspetti tecnici del proprio ambito di competenze agli utenti finali e agli organi decisionali;
- sa addestrare collaboratori, coordinare e partecipare a gruppi di progetto nell'industria, pianificare e condurre la formazione;
- è in grado di utilizzare fluentemente, in forma scritta e orale, la lingua inglese con riferimento anche ai lessici disciplinari.
Sbocchi occupazionali:
L'Ingegnere progettista di sistemi intelligenti di elaborazione dell'informazione può trovare occupazione presso industrie operanti negli ambiti della produzione hardware e software, industrie per l'automazione e la robotica, imprese operanti nell'area dei multimedia, imprese di servizi e per la sicurezza, industrie operanti nel settore spaziale, imprese operanti nella salvaguardia dell'ambiente e nel turismo, oppure operare come liberi professionisti.
Norme relative alle iscrizioni ad anni successivi per studenti provenienti da altro corso di laurea o altro ateneo
Per iscriversi al secondo anno del corso di studi lo studente proveniente da altro corso di laurea o altro ateneo deve aver acquisito almeno 30 dei crediti previsti per il primo anno. Non sono previste propedeuticità.
Non sono previsti obblighi di frequenza se non per attività di laboratorio o altre attività pratiche.
Studenti immatricolati ad ordinamenti precedenti
Lo studente, già iscritto ad un Corso di Laurea Specialistica o Magistrale della Facoltà di Ingegneria anteriormente all’anno accademico 2008/09, può chiedere il passaggio al Corso di Laurea in Intelligenza artificiale e Robotica organizzato secondo le norme del DM 270/04 (Ordinamento 270), presentando domanda presso la Segreteria Amministrativa delle Facoltà di Ingegneria (c/o città universitaria). La domanda deve essere redatta secondo le modalità previste dalla Segreteria Amministrativa e dovrà comunque prevedere l’elenco degli esami superati per i quali si richiede il riconoscimento.
Il Consiglio d’Area Didattica delibererà gli esami riconosciuti e i crediti attribuiti. Il Consiglio d’Area Didattica provvederà inoltre, di concerto con lo studente, a definire il completamento del curriculum dello studente nell’ambito dell’Ordinamento 270 in accordo al presente Manifesto. Il passaggio di Ordinamento con il relativo riconoscimento dei crediti già acquisiti e il piano di completamento del curriculum dovranno essere approvati con specifica delibera del Consiglio d’Area e avranno validità dalla data della seduta del Consiglio nella quale sarà presa la delibera.
Una volta effettuato il passaggio al nuovo ordinamento non sarà possibile ritornare al precedente ordinamento e potranno essere sostenuti solo esami dell’Ordinamento che segue il DM 270/04.
Trasferimenti
Gli studenti che intendono trasferirsi al Corso di Laurea Magistrale in Intelligenza Artificiale e Robotica, devono presentare domanda presso la Segreteria Amministrativa delle Facoltà di Ingegneria (c/o città universitaria). La domanda deve essere redatta secondo le modalità previste dalla Segreteria Amministrativa e dovrà comunque prevedere l’elenco degli esami superati per i quali si richiede il riconoscimento. Il Consiglio d’Area Didattica delibererà gli esami riconosciuti e i crediti attribuiti, provvederà inoltre, di concerto con lo studente alla definizione del percorso formativo, che, nel rispetto dell'ordinamento didattico e dei contenuti formativi del Corso di Laurea Magistrale in Intelligenza Artificiale e Robotica, potrà tenere conto del percorso già svolto.
Periodi di studio all’estero
I corsi seguiti nelle Università Europee o estere, con le quali la Facoltà di Ingegneria dell’Informazione, Informatica, Statistica ha in vigore accordi, progetti e/o convenzioni, vengono riconosciuti secondo le modalità previste dagli accordi.
Gli studenti possono, previo autorizzazione del consiglio del Corso di Laurea, svolgere un periodo di studio all’estero nell’ambito del progetto LLP Erasmus.
In conformità con il Regolamento didattico di Ateneo nel caso di studi, esami e titoli accademici conseguiti all’estero, il Corso di Laurea esamina di volta in volta il programma ai fini dell’attribuzione dei crediti nei corrispondenti settori scientifici disciplinari.
Informazioni generali
Programmi e testi d’esame: Il programma degli insegnamenti e i materiali didattici e informativi sono consultabili sul sito web del corso, accessibile dal catalogo corsi di ateneo:
https://corsidilaurea.uniroma1.it/
o dal sito web del Consiglio di Area Didattica in Ingegneria informatica:
http://ingegneriainformatica.diag.uniroma1.it/
Servizi di tutorato: I docenti Alessandro De Luca, Luca Iocchi, Daniele Nardi e Fiora Pirri svolgono attività di orientamento in ingresso, secondo le modalità e gli orari indicati sul sito del Corso di Laurea. Per quanto riguarda l’orientamento in itinere, il Consiglio di Area Didattica assegna ad ogni studente un tutor, scelto tra i docenti del Corso di Laurea: il tutor ha il compito di aiutare e indirizzare lo studente nel percorso formativo, con particolare riguardo a eventuali situazioni di parziale o totale inattività dello studente. Inoltre il Corso di Laurea si avvale dei servizi di tutorato messi a disposizione dalla Facoltà, compatibilmente alle risorse economiche, utilizzando anche appositi contratti integrativi.
Valutazione della qualità: Il Corso di Laurea, in collaborazione con la Facoltà, effettua la rilevazione dell’opinione degli studenti frequentanti per tutti i corsi di insegnamento tenuti. Il sistema di rilevazione è integrato con un percorso qualità la cui responsabilità è affidata alla Commissione per la gestione dell’assicurazione della qualità della didattica, nominata dal Consiglio di Area Didattica e comprendente docenti, studenti e personale dei corsi di studio gestiti dal Consiglio. I risultati delle rilevazioni e delle analisi di tale commissione sono utilizzati per effettuare azioni di miglioramento delle attività formative.
Lo studente espliciterà le proprie scelte al momento della presentazione,
tramite INFOSTUD, del piano di completamento o del piano di studio individuale,
secondo quanto stabilito dal regolamento didattico del corso di studio.
Intelligenza Artificiale e Robotica (percorso valido anche ai fini del conseguimento del doppio titolo italo- francese o italo-venezuelano)
Primo anno
Primo semestre
|
Insegnamento
|
CFU
|
SSD
|
Ore Lezione
|
Ore Eserc.
|
Ore Lab
|
Ore Studio
|
Attività
|
Lingua
|
|
10592832 -
ARTIFICIAL INTELLIGENCE
(obiettivi)
Obiettivi generali:
Conoscere i principi di base dell'intelligenza artificiale, in particolare la modellazione di sistema intelligente tramite la nozione di agente intelligente.
Conoscere le tecniche di base dell'Intelligenza Artificiale con particolare riferimento alla manipolazione di simboli e, più in generale, a modelli discreti.
Conoscere i principi fondamentali della interazione tra agenti intelligenti ed in particolare tra agente intelligente e uomo, attraverso il linguaggio parlato.
Obiettivi specifici:
Conoscenza e comprensione:
Metodi di ricerca automatica nello spazio degli stati: metodi generali, metodi basati su euristiche, ricerca locale.Rappresentazioni fattorizzate: problemi di soddisfacimento di vincoli, modelli di pianificazione.
Rappresentazione della conoscenza attraverso sistemi formali: logica proposizionale, logica del primo ordine, cenni alle logiche descrittive ad alle forme di ragionamento non monotono. Uso della logica come linguaggio di programmazione: PROLOG.
Cooperazione e coordinamento tra agenti intelligenti, distribuzione di compiti, soddisfacimento distribuito di vincoli, analisi lessicale, sintattica e semantica del linguaggio parlato.
Applicare conoscenza e comprensione:
Modellazione di problemi con i diversi metodi di rappresentazione acquisiti.
Analisi del comportamento degli algoritmi di ragionamento di base.
Progetto e realizzazione di sistemi per l'interazione tra molti agenti.
Capacità critiche e di giudizio:
Essere in grado di valutare la qualità di un modello di rappresentazione di un problema e dei risultati ottenuti applicando su di esso tecniche di ragionamento automatico.
Analisi e valutazione degli elementi salienti della interazione tra molti agenti.
Capacità comunicative:
Le capacità di comunicazione orale dello studente vengono stimolate attraverso l'interazione durante le lezioni tradizionali mentre le capacità espositive nello scritto vengono sviluppate attraverso la discussione di esercizi e delle domande a risposta aperta previste nelle prove di esame.
Le capacità comunicative vengono infine consolidate attraverso la presentazione di un progetto, realizzato anche in gruppo, e del report scritto ad esso associato.
Capacità di apprendimento:
Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, attraverso gli esercizi relativi all'applicazione dei modelli appresi, il corso contribuisce a sviluppare le capacità di risoluzione di problemi dello studente.
Il progetto e realizzazione di un prototipo di sistema di interazione contribuiscono all'apprendimento della capacità di lavorare in gruppo.
|
9
|
ING-INF/05
|
54
|
36
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
10592833 -
MACHINE LEARNING
(obiettivi)
Obiettivi generali:
L’obiettivo del corso è presentare un ampio spettro di metodi e
algoritmi di apprendimento automatico, discutendone le proprietà e i
criteri di applicabilità e di convergenza. Si presentano anche diversi
esempi di impiego efficace delle tecniche di apprendimento automatico in
diversi scenari applicativi.
Gli studenti avranno la capacità di risolvere problemi di apprendimento
automatico, partendo da una corretta formulazione del problema, con la
scelta di un opportuno algoritmo, e sapendo condurre un’analisi
sperimentale per valutare i risultati ottenuti.
Obiettivi specifici:
Conoscenza e comprensione:
Fornire un'ampia panoramica sui principali metodi e algoritmi di
apprendimento automatico per i problemi di classificazione, regressione,
apprendimento, non-supervisionato e apprendimento per rinforzo.
I diversi problemi affrontati vengono definiti formalmente e vengono
fornite sia le basi teoriche sia informazione tecniche per comprendere
le soluzioni adottate.
Applicare conoscenza e comprensione:
Risolvere problemi specifici di apprendimento automatico a partire da
insiemi di dati, mediante l'applicazione delle tecniche studiate. Lo
svolgimento di due homework (piccoli progetti da svolgere a casa)
consente agli studenti di applicare le conoscenze acquisite.
Capacità critiche e di giudizio:
Essere in grado di valutare la qualità di un sistema di apprendimento
automatico usando opportune metriche e metodologie di valutazione.
Capacità comunicative:
Produrre un rapporto tecnico che descrive i risultati degli homework,
acquisendo quindi la capacità di comunicare i risultati ottenuti
dall'applicazione delle conoscenze acquisite nella soluzione di un
problema specifico.
Assistere ad esempi di comunicazione e condivisione dei risultati
raggiunti in applicazioni reali forniti da esperti all'interno di
seminari erogati durante il corso.
Capacità di apprendimento:
Approfondimento autonomo di alcuni argomenti presentati nel corso
tramite lo svolgimento di homework, con possibilità anche di lavorare
insieme ad altri studenti (lavoro di gruppo) per risolvere problemi
specifici.
|
9
|
ING-INF/05
|
54
|
36
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
1023235 -
ROBOTICS I
(obiettivi)
Obiettivi generali
Il corso fornisce gli strumenti di base per l'analisi cinematica, la pianificazione e la programmazione dei movimenti di robot manipolatori in ambienti industriali e di servizio.
Obiettivi specifici
Conoscenza e comprensione:
Lo studente apprenderà il funzionamento dei componenti di attuazione e sensoriali dei robot, i metodi di base per la modellistica, l'analisi e il controllo cinematico di manipolatori robotici, nonché gli algoritmi per la pianificazione delle traiettorie di moto.
Applicare conoscenza e comprensione:
Lo studente sarà in grado di analizzare le strutture cinematiche dei robot di tipo industriale e di progettare algoritmi e moduli per la pianificazione e il controllo della movimentazione.
Capacità critiche e di giudizio:
Lo studente sarà in grado di individuare le caratteristiche funzionali di un sistema robotico con riferimento al tipo di compito industriale o di servizio,
di analizzarne la complessità di realizzazione, le possibili prestazioni e le eventuali debolezze.
Capacità comunicative:
Il corso mette in grado lo studente di presentare le principali problematiche applicative e le soluzioni tecniche riguardanti l'impiego dei robot.
Capacità di apprendimento:
Il corso mira a creare attitudini di apprendimento autonomo orientate all'analisi e alla soluzione di problemi connessi all'uso dei robot.
|
6
|
ING-INF/04
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
Gruppo opzionale:
3 insegnamenti a scelta - (visualizza)
|
18
|
|
|
|
|
|
|
|
|
1022807 -
DISTRIBUTED SYSTEMS
(obiettivi)
- Conoscenza e comprensione
I sistemi distribuiti sono alla base di qualsiasi applicazione informatica moderna.
Il corso si propone l'obiettivo principale di fornire agli studenti una chiara caratterizzazione della concorrenza in un sistema distribuito considerando le caratteristiche di tale sistema come guasti, latenza
variabile nelle comunicazioni e assenza di un clock globale.
Successivamente si analizzano i principali modelli di sistema e le astrazioni di base per la comunicazione e la sincronizzazione. Infine si forniranno i concetti di base di un sistema peer-to-peer con alcuni esempi di sistemi reali.
- Applicare conoscenza e comprensione
Lo studente sarà in grado di progettare sistemi e algoritmi distribuiti al di sopra di diversi modelli di sistema da quelli sincrono, asincrono e parzialmente sincrono capendo impossibilità e limitazione nelle prestazioni. Inoltre avrà la capacita di astrarre sistemi e piattaforme reali in modelli astratti più facili da trattare.
- Capacità critiche e di giudizio
Lo studente sarà in grado di valutare e comparare diverse soluzioni per la realizzazione di applicazioni distribuite. Sarà, inoltre, in grado valutare gli opportuni trade-off in considerazione dei vari aspetti che caratterizzano l'ambiente specifico in cui l'applicazione andrà in esercizio.
- Capacità comunicative
Lo studente acquisirà la terminologia propria del settore.
- Capacità di apprendimento
Lo studente apprenderà tecniche e metodologie di base per la progettazione e lo sviluppo di sistemi e applicazioni distribuite.
|
6
|
ING-INF/05
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1044387 -
FOUNDATION OF COMPUTER GRAPHICS
(obiettivi)
Obiettivi generali
Familiarità con il rendering Physically-based, il geometry processing and idee basiche di simulazione.
Obiettivi specifici
Argomenti includono: path tracing, monte carlo methods, bidirectional reflectance distribution function, modelli a microfacet, importance sampling, multiple importance sampling, superfici di suddivisione, bump and normal mapping, scattering volumetrico.
Conoscenza e comprensione:
Conoscenza su come funzionano gli algoritmi di rendering physically-based and quali light paths supportano; conoscenza su come modellare il look di superfici reali; conoscenza su come rappresentare la geometria in un renderer.
Applicazione di conoscenza e comprensione
Implementazione di un path tracer ricco di funzioni con supporto per materiali arbitrari, scattering volumetrico e superfici continue e corrugate.
Autonomia di giudizio
Essere in grado di valutare le prestazioni di diversi algoritmi di rendering realistico rispetto ai modi di interazione tra luci/superfici e luci/volumi.
Abilità comunicative
Essere in grado di comunicare con chiarezza come funzionano gli algoritmi di rendering realistico, come sono sviluppati e quali scene 3D e feature di immagini supportano.
Capacità di apprendimento successivo:
Essere in grado di apprendere algoritmi di rendering più complesso come metodi bidirezionali o Monte Carlo Markov Chain. Essere in grado di lavorare con sicurezza su renderer per produzione cinematografica.
|
6
|
INF/01
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1027171 -
NETWORK INFRASTRUCTURES
(obiettivi)
Il corso presenta i concetti di base, i protocolli e le architetture delle attuali infrastrutture di rete. Particolare attenzione è dedicata alla rete di accesso a larga banda larga, alla rete di trasporto ottica e alle reti wireless di nuova generazione. Inoltre, vengono descritte le principali tecnologie per il supporto della Qualità di Servizio in una infrastruttura di rete. Risultati di apprendimento attesi: Alla fine del corso gli studenti avranno conoscenze sulle principali tecnologie ed infrastrutture di reti di comunicazioni tra cui: xDSL, PON, LTE, 5G, SDH, OTN, SDN. Inoltre saranno in grado di configurare ed analizzare reti IP e relativi protocolli grazie alle conoscenze acquisite utiliizzando il tool Netkit. Specifici progetti svolti durante il corso permetteranno agli studenti di applicare le conoscenze acquisite a scenari e applicazioni di rete innovativi.
|
6
|
ING-INF/03
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1052218 -
PROBABILISTIC ROBOTICS
(obiettivi)
Obiettivi generali:
Acquisire conoscenza sugli strumenti di base per la stima dello stato in sistemi robotici.
Essere in grado do applicare tali strumenti a casi di studio reali ed implementare
soluzioni funzionanti.
Valutare le prestazioni e la qualita' di uno stimatore dello stato.
Il corso alterna teoria e pratica. Nelle lezioni pratiche agli studenti e' richiesto
il completamento di frammenti di codice di un sistema che rappresenta casi pratici.
Obiettivi specifici:
Conoscenza e comprensione:
- Manipolazione di distribuzioni di probabilita'
- Basi sulle tecniche di filtraggio (hisrogram filters, Gaussian filters, particle filters)
- Modello generale di un sistema non lineare stazionario e dinamico
- Formulazione densa e sparsa di algoritmi di minimizzazione (Gauss-Newton, Levenberg Marquardt)
- Il problema della Data Association, e strumeni tipici per affrontarlo (RANSAC, euristiche)
- Casi di studio tipici per problemi di stima in robotics (Calibrazione, Localizzazione, Mappatura and SLAM)
Applicare conoscenza e comprensione:
- Essere in gradi di modellare un problema di stima ed adattare gli strumenti proposti al dominio specifico
- Svuluppare uno stimatore dello stato funzionante.
Capacità critiche e di giudizio:
- Individuare i pro ed i contro che presentano soluzioni diverse allo stesso problema.
- Individuare gli strumenti utilizzabili per approcciare i sotto-problemi di uno stimatore.
Lo sviluppo di tali capacita' e' ottenuto mediante lo sviluppo di un progetto sviluppato come parte dell'esame.
Capacità comunicative:
- Acquisire un linguaggio comune per descrivere e modellare gli stimatori dello stato e che supporti
un'interazione tra sviluppatori definendo un insieme di obiettivi e termini comuni.
Capacità di apprendimento:
Lo studente possiedera' capacita e conoscera' tecniche per affrontare problemi di stima dello stato generali.
Gli esempi nel dominio della navigazione autonoma presentati durante il corso servono come casi di studio.
Gli argomenti individuali appresi (Manipolazione di PDF , Filtering Designs, Minimizzazione), sono strumenti
prezioni per affrontare problemi che esulano tali casi specifici di studio.
|
6
|
ING-INF/05
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1022863 -
MEDICAL ROBOTICS
|
Erogato in altro semestre o anno
|
|
1038141 -
NATURAL LANGUAGE PROCESSING
|
Erogato in altro semestre o anno
|
|
1052222 -
PLANNING AND REASONING
|
Erogato in altro semestre o anno
|
|
10592834 -
NEUROENGINEERING
|
Erogato in altro semestre o anno
|
|
1022870 -
NEURAL NETWORKS
(obiettivi)
Obiettivi del modulo e capacità acquisite dallo studente
Il corso introduce le reti neurali (NN), e i alcuni metodi detti ‘soft computing’ (SC) che, a differenza delle tradizionali procedure di calcolo numerico esatto, sono tolleranti a imprecisioni, incertezze, rumore e a verità parziali. Gli obiettivi formativi consistono nell’acquisizione delle seguenti conoscenze e competenze specifiche: 1) principali modelli di reti neurali e reti a ispirazioni anche non biologica: architetture, proprietà matematiche e algoritmi di apprendimento; 2) filtraggio adattativo e modellazione di fenomeni dinamici e statici; 3) rappresentazione parsimoniosa di dati ed estrazione dell’informazione non ridondante; 4) architetture e apprendimento di reti neurali profonde con metodi a forte regolarizzazione; 5) algoritmi per i metodi SC. Sono discusse applicazioni di: analisi e modellazione di dati non strutturati: modellazione, filtraggio e predizione; il riconoscimento di configurazioni; cluster analysis; metodi per la fusione dati da sensori multipli; la separazione miopica di segnali.
Risultati di apprendimento attesi:
Lo studente del corso Neural Networks acquisisce conoscenze e competenze di base e specifiche relative alla disciplina. E' in grado di implementare (e valutare le prestazioni) dei vari modelli neurali, dei relativi algoritmi di apprendimento supervisionati e non supervisionati per: per la estrazione di caratteristiche, pattern recognition, clustering e l’elaborazione dei dati con dipendenze temporali. Lo studente acquisisce una chiara ed efficace comprensione dei metodi di apprendimento a ispirazione biologica. Sviluppa la capacità di progettare sistemi adattativi che imparano da dati reali con almeno una delle seguenti caratteristiche: dati non strutturati, rumorosi, incompleti, eterogenei, di alta dimensionale, distribuiti.
|
6
|
ING-IND/31
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
Secondo semestre
|
Insegnamento
|
CFU
|
SSD
|
Ore Lezione
|
Ore Eserc.
|
Ore Lab
|
Ore Studio
|
Attività
|
Lingua
|
|
1021883 -
ROBOTICS II
(obiettivi)
Obiettivi generali
Il corso fornisce strumenti per l'analisi della dinamica dei robot manipolatori, per l'uso della ridondanza cinematica, per il comando in feedback dei movimenti, incluso il caso di asservimento visuale, e per il controllo dell'interazione con l'ambiente.
Obiettivi specifici
Conoscenza e comprensione:
Lo studente apprenderà i metodi per la modellistica dinamica dei manipolatori, le tecniche di utilizzo della ridondanza cinematica, la progettazione di schemi di controllo del moto e dell'interazione con l'ambiente.
Applicare conoscenza e comprensione:
Lo studente sarà in grado di analizzare la dinamica dei manipolatori robotici e di progettare algoritmi e moduli per il controllo del moto libero e delle forze di contatto con l'ambiente.
Capacità critiche e di giudizio:
Lo studente sarà in grado di individuare le caratteristiche dinamiche di un sistema robotico con riferimento al tipo di compito,
di analizzarne la complessità di realizzazione, le possibili prestazioni e le eventuali debolezze.
Capacità comunicative:
Il corso mette in grado lo studente di presentare le problematiche avanzate e le relative soluzioni tecniche riguardanti l'uso dei robot in condizioni dinamiche.
Capacità di apprendimento:
Il corso mira a creare attitudini di apprendimento autonomo orientate all'analisi e alla soluzione di problemi avanzati connessi all'uso dei robot.
|
6
|
ING-INF/04
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
1023325 -
VISION AND PERCEPTION
(obiettivi)
OBIETTIVI GENERALI
Il corso vuole introdurre lo studente ai concetti fondamentali della visione artificiale e alla costruzione di sistemi autonomi di interpretazione e ricostruzione di una scena tramite immagini e video. Il corso affronta elementi di base di geometria proiettiva ed epipolare, i metodi per la visione 3d e per la visione basata su più viste, e i metodi per la ricostruzione metrica e le metodologie di interpretazione di immagini e video. Inoltre il corso illustra le tecniche principali per il riconoscimento e la segmentazione di immagini e video basati sull’ apprendimento automatico.
OBIETTIVI SPECIFICI
Conoscenza e Comprensione
Il corso stimola la curiosità degli studenti verso nuove metodologie per l’analisi e la generazioni di immagini
e di video. Lo studente apprende nuovi concetti che gli permettono di acquisire una conoscenza di base della
visione computazionale.
Applicare Conoscenza e Comprensione
Gli studenti approfondiscono e apprendono linguaggi di programmazione per applicare la conoscenza acquisita.
In particolare approfondiscono il linguaggio Python ed apprendono Tensorflow. Quest’ ultimo offre agli studenti
la possibilità di programmare applicazioni di deep learning. Usano questa nuovissima tecnologia per realizzare
un progetto di riconoscimento di elementi specifici in immagini e video.
Capacità critiche e di Giudizio
Lo studente acquisisce la capacità di distinguere tra ciò che può realizzare con gli strumenti che ha appreso,
come ad esempio generare delle immagini o riconoscere degli oggetti usando tecniche di deep learning,
e ciò che è effettivamente richiesto per la realizzazione di un sistema automatico di visione.
In tal modo è in grado di elaborare un giudizio critico sui sistemi di visione disponibili allo stato
dell’arte e di valutare ciò che si può effettivamente realizzare e ciò che richiede ulteriori avanzamenti
nella ricerca.
Capacità Comunicative
La realizzazione del progetto, come parte del programma di esame, richiede che lo studente lavori e dia un
contributo all’ interno di un piccolo gruppo di lavoro. Questo insieme alla soluzione di esercizi in classe,
e alle discussioni sui temi più interessanti stimola le capacità comunicative dello studente.
Capacità di Apprendimento
Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico,
le modalità di svolgimento del corso, in particolare le attività progettuali, stimolano lo studente
all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione
concreta delle nozioni e delle tecniche apprese durante il corso.
|
6
|
ING-INF/05
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
1044398 -
INTERACTIVE GRAPHICS
(obiettivi)
Obiettivi generali:
Far acquisire allo studente le basi della programmazione in grafica 3D con particolare enfasi sulle tecniche di animazione e visualizzazione interattiva. In particolare gli argomenti trattati includono: Fondamenti della grafica computerizzata, rendering interattivo e animazione, la pipeline grafica, trasformazioni, visualizzazioni, rasterizzazione, illuminazione e shading, texture-mapping, tecniche di animazione basate su keyframes, simulazioni fisiche, sistemi di particelle ed animazione di personaggi. Verrà inoltre fornita un’introduzione alla computazione su hardware specializzato per la grafica (GPGU).
Obiettivi specifici:
Far acquisire allo studente familiarità con le tecniche matematiche alla base della grafica 3D, oltre che la capacità di programmare ambienti complessi ed interattivi in grafica 3D usando la libreria OpenGL o una delle sue varianti
Conoscenza e comprensione:
Approfondimento del funzionamento di un sistema per la grafica 3D nelle sue componenti hardware e software. Conoscenza dello standard HTML5 e del linguaggio Javascript, applicazione della libreria WebGL e di alcune librerie di più alto livello. Comprensione delle problematiche di efficienza e qualità visiva delle applicazioni in grafica 3D
Applicare conoscenza e comprensione:
Sviluppo di applicazioni interattive sul web in grafica 3D.
Capacità critiche e di giudizio:
Capacità di comprendere le complessità tecniche nella realizzazione di applicazioni interattive in grafica 3D. Capacità di analisi critica delle soluzioni presenti sul mercato ed analisi di punti di forza e debolezza.
|
6
|
ING-INF/05
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
Gruppo opzionale:
3 insegnamenti a scelta - (visualizza)
|
18
|
|
|
|
|
|
|
|
|
1022807 -
DISTRIBUTED SYSTEMS
|
Erogato in altro semestre o anno
|
|
1044387 -
FOUNDATION OF COMPUTER GRAPHICS
|
Erogato in altro semestre o anno
|
|
1027171 -
NETWORK INFRASTRUCTURES
|
Erogato in altro semestre o anno
|
|
1052218 -
PROBABILISTIC ROBOTICS
|
Erogato in altro semestre o anno
|
|
1022863 -
MEDICAL ROBOTICS
(obiettivi)
Fornire un’introduzione e una panoramica sull’uso delle tecnologie robotiche nell’ambito medico, con particolare riferimento alla chirurgia assistita.
Lo studente conoscerà i principali sistemi di chirurgia assistita da robot, delle problematiche inerenti alla progettazione di robot medicali e al loro controllo.
Lo studente sarà in grado di:
- leggere criticamente articoli che descrivano le principali tecnologie coinvolte nella robotica medica;
- discutere dettagliatamente lo stato dell'arte delle applicazioni robotiche in medicina;
- stimare i potenziali benefici derivanti dall'introduzione di tecniche robotiche in una procedura medica;
- argomentare sullo sviluppo di una particolare tecnologia non ancora esistente o non ancora sperimentata;
- comunicare e collaborare con persone di diversa formazione tecnica;
- valutare i vincoli clinici, sociali ed economici nella implementazione di una tecnologia robotica in un settore medico;
- progettare schemi di controllo per la teleoperazione di robot medicali e per l’esecuzione di compiti condivisi tra umani e robot.
|
6
|
ING-INF/04
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1038141 -
NATURAL LANGUAGE PROCESSING
(obiettivi)
Knowledge and understanding
The student will understand the fundamentals of how to process natural language automatically at the different levels of morphology, syntax, and semantics. Machine translation and other applications will also be introduced.
Applying knowledge and understanding
The student will be able to use and implement systems that perform language modeling, morphological analysis, syntactic parsing, semantic analysis and machine translation.
|
6
|
INF/01
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1052222 -
PLANNING AND REASONING
|
Erogato in altro semestre o anno
|
|
10592834 -
NEUROENGINEERING
(obiettivi)
* Obiettivi generali
Il corso introduce i principi base, le metodologie e le applicazioni delle tecniche ingegneristiche utilizzate per lo studio sistemi neurali e dell’interazione con essi.
* Obiettivi specifici
- Conoscenza e comprensione
Lo studente apprenderà le nozioni di base sul funzionamento e l’organizzazione a diverse scale del cervello umano, nonché le principali applicazioni dell’ingegneria e della tecnologia dell’informazione alle neuroscienze.
- Applicare conoscenza e comprensione
Lo studente apprenderà l’uso degli strumenti essenziali per acquisire, elaborare e decodificare i segnali neurofisiologici e neuromuscolari, e per il loro interfacciamento con dispositivi artificiali.
- Capacità critiche e di giudizio
Lo studente imparerà a scegliere la metodologia di controllo più appropriata per indirizzare uno specifico problema, e per valutare la complessità della soluzione proposta.
- Capacità comunicative
Lo studente imparerà a comunicare in un contesto multidisciplinare i principali problemi dell’interfacciamento di segnali neurofisiologici con un sistema artificiale, e ad argomentare le possibili scelte progettuali per lo scopo.
- Capacità di apprendimento
Le modalità di svolgimento del corso mirano a creare una forma mentis dello studente orientata all’autoapprendimento di concetti avanzati che non sono stati affrontati nel corso.
|
6
|
ING-INF/06
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1022870 -
NEURAL NETWORKS
|
Erogato in altro semestre o anno
|
|
|
- -
A SCELTA DELLO STUDENTE
|
6
|
|
36
|
24
|
-
|
-
|
Attività formative a scelta dello studente (art.10, comma 5, lettera a)
|
ENG |
Secondo anno
Primo semestre
|
Insegnamento
|
CFU
|
SSD
|
Ore Lezione
|
Ore Eserc.
|
Ore Lab
|
Ore Studio
|
Attività
|
Lingua
|
|
1022775 -
AUTONOMOUS AND MOBILE ROBOTICS
(obiettivi)
Obiettivi generali
Il corso presenta i metodi di base per dotare i sistemi robotici robot di mobilità e autonomia.
Obiettivi specifici
Conoscenza e comprensione:
Lo studente apprenderà (1) i metodi di base per la modellistica, l'analisi e il controllo dei robot mobili su ruote e su gambe, e (2) gli algoritmi per la pianificazione autonoma del moto.
Applicare conoscenza e comprensione:
Lo studente sarà in grado di analizzare e progettare architetture, algoritmi e moduli per la pianificazione, il controllo e la localizzazione di robot mobili autonomi.
Capacità critiche e di giudizio:
Lo studente sarà in grado di scegliere l'architettura di controllo funzionale più adeguata per uno specifico sistema robotico e di analizzarne la complessità e le eventuali debolezze.
Capacità comunicative:
Le attività del corso metteranno lo studente in grado di comunicare/condividere le principali problematiche concernenti i robot mobili autonomi, nonché le possibili scelte progettuali per il controllo di tali sistemi.
Capacità di apprendimento:
Le modalità di svolgimento del corso mirano a creare una forma mentis dello studente orientata allo sviluppo di moduli per la mobilità autonoma dei robot.
|
6
|
ING-INF/04
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
- -
A SCELTA DELLO STUDENTE
|
6
|
|
36
|
24
|
-
|
-
|
Attività formative a scelta dello studente (art.10, comma 5, lettera a)
|
ENG |
|
Gruppo opzionale:
1 insegnamento a scelta - (visualizza)
|
12
|
|
|
|
|
|
|
|
|
1056413 -
ELECTIVE IN ARTIFICIAL INTELLIGENCE
(obiettivi)
Obiettivi generali:
L'obiettivo del corso, che è il più avanzato all'interno della Laurea Magistrale in Intelligenza Artificiale e Robotica, e' fornire una panoramica applicativa ai seguenti temi di ricerca: metodi di apprendimento nella visione computazionale, riconoscimento di modelli, interazione persona-robot e robot cognitivi.
Gli argomenti sono esposti da ricercatori attivi nei campi indicati allo scopo di presentare allo studente problemi di ricerca e temi di applicazione rilevanti e recenti nel campo dell'Intelligenza Artificiale e della Robotica. A tal fine, i corsi comprendono sia la presentazione e la discussione di articoli scientifici, sia un lavoro progettuale avanzato.
L'obiettivo di apprendimento del corso e' fornire le conoscenze necessarie ad affrontare un lavoro di ricerca in questi campi usando degli strumenti pratici per la validazione sperimentale.
Obiettivi specifici:
Conoscenza e comprensione:
Il corso e' il piu' avanzato in The Master for Artificial Intelligence e Robotica ed offre una panoramica di diversi argomenti di ricerca, quali: metodi di apprendimento nella visione computazionale, riconoscimento di pattern, interazione persona-robot, e ragionamento automatico nei robot.
Gli argomenti sono coperti da ricercatori attivi sul campo e con lo scopo di introdurre lo studente a problemi di ricerca e temi di applicazione recenti e rilevanti in Intelligenza Artificiale e Robotica.
Applicare conoscenza e comprensione:
Il corso fornisce le conoscenze necessarie ad affrontare un lavoro di ricerca in questi campi usando degli strumenti pratici per la validazione sperimentale.
Capacita' critiche e di giudizio:
Il corso propone metodi avanzati per studiare, comprendere e applicare risultati riportati su articoli scientifici, ed integrare tali risultati per realizzare sistemi innovativi di Intelligenza Artificiale. Lo studente apprende come usare risultati presenti in letteratura come base per nuove ricerche.
Capacita' comunicative:
Le attivita' di gruppo in classe e la necessita' di fare delle presentazioni alla classe permettono allo studente di maturare la capacita' di comunicare e condividere le conoscenze acquisite e confrontarsi con gli altri sui temi del corso.
Capacita' di apprendimento:
Oltre alle classiche capacita' di apprendimento fornite dallo studio teorico del materiale didattico, le modalita' di svolgimento del corso, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso.
|
|
|
-
ELECTIVE IN ARTIFICIAL INTELLIGENCE II
|
Erogato in altro semestre o anno
|
|
-
ELECTIVE IN ARTIFICIAL INTELLIGENCE I
(obiettivi)
Obiettivi generali:
L'obiettivo del corso, che è il più avanzato all'interno della Laurea Magistrale in Intelligenza Artificiale e Robotica, e' fornire una panoramica applicativa ai seguenti temi di ricerca: metodi di apprendimento nella visione computazionale, riconoscimento di modelli, interazione persona-robot e robot cognitivi.
Gli argomenti sono esposti da ricercatori attivi nei campi indicati allo scopo di presentare allo studente problemi di ricerca e temi di applicazione rilevanti e recenti nel campo dell'Intelligenza Artificiale e della Robotica. A tal fine, i corsi comprendono sia la presentazione e la discussione di articoli scientifici, sia un lavoro progettuale avanzato.
L'obiettivo di apprendimento del corso e' fornire le conoscenze necessarie ad affrontare un lavoro di ricerca in questi campi usando degli strumenti pratici per la validazione sperimentale.
Obiettivi specifici:
Conoscenza e comprensione:
Il corso e' il piu' avanzato in The Master for Artificial Intelligence e Robotica ed offre una panoramica di diversi argomenti di ricerca, quali: metodi di apprendimento nella visione computazionale, riconoscimento di pattern, interazione persona-robot, e ragionamento automatico nei robot.
Gli argomenti sono coperti da ricercatori attivi sul campo e con lo scopo di introdurre lo studente a problemi di ricerca e temi di applicazione recenti e rilevanti in Intelligenza Artificiale e Robotica.
Applicare conoscenza e comprensione:
Il corso fornisce le conoscenze necessarie ad affrontare un lavoro di ricerca in questi campi usando degli strumenti pratici per la validazione sperimentale.
Capacita' critiche e di giudizio:
Il corso propone metodi avanzati per studiare, comprendere e applicare risultati riportati su articoli scientifici, ed integrare tali risultati per realizzare sistemi innovativi di Intelligenza Artificiale. Lo studente apprende come usare risultati presenti in letteratura come base per nuove ricerche.
Capacita' comunicative:
Le attivita' di gruppo in classe e la necessita' di fare delle presentazioni alla classe permettono allo studente di maturare la capacita' di comunicare e condividere le conoscenze acquisite e confrontarsi con gli altri sui temi del corso.
Capacita' di apprendimento:
Oltre alle classiche capacita' di apprendimento fornite dallo studio teorico del materiale didattico, le modalita' di svolgimento del corso, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso.
|
6
|
ING-INF/05
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
1056414 -
ELECTIVE IN ROBOTICS
(obiettivi)
Il corso presenta in forma seminariale argomenti avanzati di Robotica ed è pensato come introduttivo all’attività di ricerca. Attraverso esemplificazioni tratte dalle attività di ricerca dei docenti, lo studente sarà in grado di affrontare completamente un problema di Robotica, dalla sua analisi alla proposta di metodi di soluzioni e alla loro realizzazione.
|
|
|
-
ELECTIVE IN ROBOTICS I
(obiettivi)
Obiettivi generali
Il corso presenta in forma seminariale argomenti avanzati di Robotica ed è pensato come introduttivo all’attività di ricerca.
Attraverso esemplificazioni tratte dalle attività di ricerca dei docenti, lo studente sarà in grado di affrontare completamente un problema di Robotica, dalla sua analisi alla proposta di metodi di soluzioni e alla loro realizzazione.
Obiettivi specifici
Conoscenza e comprensione:
Lo studente apprenderà alcune tecniche avanzate di controllo utilizzate in settori della robotica nei quali i docenti svolgono attività di ricerca.
Applicare conoscenza e comprensione:
Lo studente sarà in grado di analizzare e progettare sistemi di controllo complessi a problematica di controllo avanzato in ambito robotico.
Capacità critiche e di giudizio:
Lo studente sarà in grado di valutare alcune metodologie utilizzate nei diversi settori robotici applicativi illustrati.
Capacità comunicative:
Le attività del corso metteranno lo studente in grado di comprendere e condividere possibili soluzioni adottate in ambito della ricerca nei diversi settori applicativi illustrati.
Capacità di apprendimento:
Le modalità di svolgimento del corso mirano a creare una capacità di progettare sistemi di controllo complessi nell'ambito della robotica avanzata.
|
6
|
ING-INF/04
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
-
ELECTIVE IN ROBOTICS II
|
Erogato in altro semestre o anno
|
|
|
Gruppo opzionale:
3 insegnamenti a scelta - (visualizza)
|
18
|
|
|
|
|
|
|
|
|
1022807 -
DISTRIBUTED SYSTEMS
|
Erogato in altro semestre o anno
|
|
1044387 -
FOUNDATION OF COMPUTER GRAPHICS
|
Erogato in altro semestre o anno
|
|
1027171 -
NETWORK INFRASTRUCTURES
|
Erogato in altro semestre o anno
|
|
1052218 -
PROBABILISTIC ROBOTICS
|
Erogato in altro semestre o anno
|
|
1022863 -
MEDICAL ROBOTICS
|
Erogato in altro semestre o anno
|
|
1038141 -
NATURAL LANGUAGE PROCESSING
|
Erogato in altro semestre o anno
|
|
1052222 -
PLANNING AND REASONING
(obiettivi)
Questo corso introduce i concetti relativi alla pianificazione automatica e ai
meccanismi di ragionamento logico dell'intelligenza artificiale. Lo scopo del
corso e' quello di permettere allo studente di usare i sistemi esistenti di
pianificazione automatica e di capire i loro meccanismi interni, in modo da
poterli sfruttare nel modo migliore ed eventualmente estendere a fronte di
problemi specifici. Inoltre, lo studente verrà messo in condizione di
comprendere i fondamenti teorici alla base dei meccanismi di ragionamento
logico usati in intelligenza artificiale.
|
6
|
ING-INF/05
|
36
|
24
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
10592834 -
NEUROENGINEERING
|
Erogato in altro semestre o anno
|
|
1022870 -
NEURAL NETWORKS
|
Erogato in altro semestre o anno
|
|
Secondo semestre
|
Insegnamento
|
CFU
|
SSD
|
Ore Lezione
|
Ore Eserc.
|
Ore Lab
|
Ore Studio
|
Attività
|
Lingua
|
|
AAF1790 -
SEMINARS IN ARTIFICIAL INTELLIGENCE AND ROBOTICS
(obiettivi)
Titolo della serie di seminari: "Computer Vision for Intelligent Robotics"
L'obiettivo di questo corso è fornire una panoramica sulle recenti tendenze nella computer vision applicata alla robotica autonoma e industriale. Dopo un'introduzione agli argomenti trattati, ogni lezione verranno presentati e discussi assieme agli studenti due o tre articoli scientifici di interesse. Tra gli argomenti trattati figurano la computer vision di basso livello, la ricostruzione 3D da immagini, la stima della posizione basta sulla visione, la visual servoing, la rilevazione e localizzazione di oggetti e la segmentazione semantica di scene.
|
3
|
|
18
|
12
|
-
|
-
|
Ulteriori attività formative (art.10, comma 5, lettera d)
|
ENG |
|
Gruppo opzionale:
1 insegnamento a scelta - (visualizza)
|
12
|
|
|
|
|
|
|
|
|
1056413 -
ELECTIVE IN ARTIFICIAL INTELLIGENCE
(obiettivi)
Obiettivi generali:
L'obiettivo del corso, che è il più avanzato all'interno della Laurea Magistrale in Intelligenza Artificiale e Robotica, e' fornire una panoramica applicativa ai seguenti temi di ricerca: metodi di apprendimento nella visione computazionale, riconoscimento di modelli, interazione persona-robot e robot cognitivi.
Gli argomenti sono esposti da ricercatori attivi nei campi indicati allo scopo di presentare allo studente problemi di ricerca e temi di applicazione rilevanti e recenti nel campo dell'Intelligenza Artificiale e della Robotica. A tal fine, i corsi comprendono sia la presentazione e la discussione di articoli scientifici, sia un lavoro progettuale avanzato.
L'obiettivo di apprendimento del corso e' fornire le conoscenze necessarie ad affrontare un lavoro di ricerca in questi campi usando degli strumenti pratici per la validazione sperimentale.
Obiettivi specifici:
Conoscenza e comprensione:
Il corso e' il piu' avanzato in The Master for Artificial Intelligence e Robotica ed offre una panoramica di diversi argomenti di ricerca, quali: metodi di apprendimento nella visione computazionale, riconoscimento di pattern, interazione persona-robot, e ragionamento automatico nei robot.
Gli argomenti sono coperti da ricercatori attivi sul campo e con lo scopo di introdurre lo studente a problemi di ricerca e temi di applicazione recenti e rilevanti in Intelligenza Artificiale e Robotica.
Applicare conoscenza e comprensione:
Il corso fornisce le conoscenze necessarie ad affrontare un lavoro di ricerca in questi campi usando degli strumenti pratici per la validazione sperimentale.
Capacita' critiche e di giudizio:
Il corso propone metodi avanzati per studiare, comprendere e applicare risultati riportati su articoli scientifici, ed integrare tali risultati per realizzare sistemi innovativi di Intelligenza Artificiale. Lo studente apprende come usare risultati presenti in letteratura come base per nuove ricerche.
Capacita' comunicative:
Le attivita' di gruppo in classe e la necessita' di fare delle presentazioni alla classe permettono allo studente di maturare la capacita' di comunicare e condividere le conoscenze acquisite e confrontarsi con gli altri sui temi del corso.
Capacita' di apprendimento:
Oltre alle classiche capacita' di apprendimento fornite dallo studio teorico del materiale didattico, le modalita' di svolgimento del corso, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso.
|
|
|
-
ELECTIVE IN ARTIFICIAL INTELLIGENCE II
(obiettivi)
Obiettivi generali:
L'obiettivo del corso, che è il più avanzato all'interno della Laurea Magistrale in Intelligenza Artificiale e Robotica, e' fornire una panoramica applicativa ai seguenti temi di ricerca: metodi di apprendimento nella visione computazionale, riconoscimento di modelli, interazione persona-robot e robot cognitivi.
Gli argomenti sono esposti da ricercatori attivi nei campi indicati allo scopo di presentare allo studente problemi di ricerca e temi di applicazione rilevanti e recenti nel campo dell'Intelligenza Artificiale e della Robotica. A tal fine, i corsi comprendono sia la presentazione e la discussione di articoli scientifici, sia un lavoro progettuale avanzato.
L'obiettivo di apprendimento del corso e' fornire le conoscenze necessarie ad affrontare un lavoro di ricerca in questi campi usando degli strumenti pratici per la validazione sperimentale.
Obiettivi specifici:
Conoscenza e comprensione:
Il corso e' il piu' avanzato in The Master for Artificial Intelligence e Robotica ed offre una panoramica di diversi argomenti di ricerca, quali: metodi di apprendimento nella visione computazionale, riconoscimento di pattern, interazione persona-robot, e ragionamento automatico nei robot.
Gli argomenti sono coperti da ricercatori attivi sul campo e con lo scopo di introdurre lo studente a problemi di ricerca e temi di applicazione recenti e rilevanti in Intelligenza Artificiale e Robotica.
Applicare conoscenza e comprensione:
Il corso fornisce le conoscenze necessarie ad affrontare un lavoro di ricerca in questi campi usando degli strumenti pratici per la validazione sperimentale.
Capacita' critiche e di giudizio:
Il corso propone metodi avanzati per studiare, comprendere e applicare risultati riportati su articoli scientifici, ed integrare tali risultati per realizzare sistemi innovativi di Intelligenza Artificiale. Lo studente apprende come usare risultati presenti in letteratura come base per nuove ricerche.
Capacita' comunicative:
Le attivita' di gruppo in classe e la necessita' di fare delle presentazioni alla classe permettono allo studente di maturare la capacita' di comunicare e condividere le conoscenze acquisite e confrontarsi con gli altri sui temi del corso.
Capacita' di apprendimento:
Oltre alle classiche capacita' di apprendimento fornite dallo studio teorico del materiale didattico, le modalita' di svolgimento del corso, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso.
|
6
|
ING-INF/05
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
-
ELECTIVE IN ARTIFICIAL INTELLIGENCE I
|
Erogato in altro semestre o anno
|
|
1056414 -
ELECTIVE IN ROBOTICS
(obiettivi)
Il corso presenta in forma seminariale argomenti avanzati di Robotica ed è pensato come introduttivo all’attività di ricerca. Attraverso esemplificazioni tratte dalle attività di ricerca dei docenti, lo studente sarà in grado di affrontare completamente un problema di Robotica, dalla sua analisi alla proposta di metodi di soluzioni e alla loro realizzazione.
|
|
|
-
ELECTIVE IN ROBOTICS I
|
Erogato in altro semestre o anno
|
|
-
ELECTIVE IN ROBOTICS II
(obiettivi)
Obiettivi generali
Il corso presenta in forma seminariale argomenti avanzati di Robotica ed è pensato come introduttivo all’attività di ricerca.
Attraverso esemplificazioni tratte dalle attività di ricerca dei docenti, lo studente sarà in grado di affrontare completamente un problema di Robotica, dalla sua analisi alla proposta di metodi di soluzioni e alla loro realizzazione.
Obiettivi specifici
Conoscenza e comprensione:
Lo studente apprenderà alcune tecniche avanzate di controllo utilizzate in settori della robotica nei quali i docenti svolgono attività di ricerca.
Applicare conoscenza e comprensione:
Lo studente sarà in grado di analizzare e progettare sistemi di controllo complessi a problematica di controllo avanzato in ambito robotico.
Capacità critiche e di giudizio:
Lo studente sarà in grado di valutare alcune metodologie utilizzate nei diversi settori robotici applicativi illustrati.
Capacità comunicative:
Le attività del corso metteranno lo studente in grado di comprendere e condividere possibili soluzioni adottate in ambito della ricerca nei diversi settori applicativi illustrati.
Capacità di apprendimento:
Le modalità di svolgimento del corso mirano a creare una capacità di progettare sistemi di controllo complessi nell'ambito della robotica avanzata.
|
6
|
ING-INF/04
|
36
|
24
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
|
AAF1025 -
PROVA FINALE
(obiettivi)
La prova finale consiste nella presentazione e discussione di un attività progettuale e di una relazione, supervisionata da un docente, nella quale lo studente dimostra di aver raggiunto una padronanza delle metodologie proprie della progettazione di sistemi intelligenti e sistemi robotici avanzati.
|
27
|
|
-
|
-
|
-
|
-
|
Per la prova finale e la lingua straniera (art.10, comma 5, lettera c)
|
ENG |
