Tipologia d’impegno didattico

L’attività didattica riguarda le discipline di ingegneria informatica afferenti al settore scientifico disciplinare ING-INF/05 (Sistemi di elaborazione delle informazioni) nei corsi di studio triennali e magistrali.

The teaching activity will focus on computer engineering disciplines related to the disciplinary scientific sector ING-INF/05 (Information processing systems) in both Bachelor’s and Master’s courses

Competenze richieste

Strategia e capacità nello stabilire lo stato dell’arte nella analisi di dati multidimensionali attraverso tecniche di intelligenza artificiale.

Capacità di indentificare soluzioni basati su tecniche di Intelligenza Artificiale in dipendenza della tipologia di dati gestiti e proporre nuove soluzioni per la loro classificazione e previsione.

L’obiettivo della presente proposta progettuale è studiare, ideare, analizzare e sperimentare tecnologie ed algoritmi di Intelligenza artificiale che permettano e agevolino processi di continuous learning. Ove necessario, sarà proposta una versione distribuita di algoritmi di apprendimento automatico spostando il carico computazionale dal cloud al campo in un’ottica di Edge Computing. Diverse tecniche allo stato dell’arte verranno analizzate per studiarne il livello di adattabilità in ottica di continuous e/o distributed learning. In tale direzione saranno analizzate la tipologia, la natura e la variabilità dei dati in scenari applicativi al fine di garantire una maggiore efficienza ed applicabilità in tali scenari.

Per i nuovi approcci algoritmici che si andranno a proporre si guarderà con estrema attenzione alla possibilità di addestrare dei modelli “spiegabili” (explainable models) ossia per i quali è possibile generare in maniera automatica una spiegazione al risultato calcolato partendo dai dati. Inoltre, in un’ottica di interazione con utenti umani, si studieranno approcci personalizzati e conversazionali che, partendo dai Big Data a disposizione guideranno l’utente nelle attività di intervento sul campo. La conoscenza delle competenze dell’operatore, combinate con i dati provenienti dal campo, serie storiche e contesto saranno gli elementi che andranno ad alimentare il motore conversazionale per raccomandare in maniera personalizzata le operazioni da compiere attraverso un dialogo in linguaggio naturale con l’operatore.

Ability to identify solutions based on Artificial Intelligence techniques depending on the type of data managed and propose new solutions for their classification and forecasting.

The objective of this project proposal is to study, conceive, analyze and test artificial intelligence technologies and algorithms that allow and facilitate continuous learning processes. Where necessary, a distributed version of machine learning algorithms will be proposed moving the computational load from the cloud to the field in an Edge Computing perspective. Several state-of-the-art techniques will be analyzed to study their level of adaptability in terms of continuous and / or distributed learning. In this direction, the type, nature and variability of data will be analyzed in application scenarios in order to guarantee a greater efficiency and applicability.

For the new algorithmic approaches that will be proposed a particular emphasis will be put in training "explainable" models, i.e. for which it is possible to automatically generate an explanation of the result calculated starting from data. Moreover, in order to foster a smoother with human users, we will study personalized and conversational approaches that, starting from the available Big Data, will guide the user in practical activities. The knowledge related to the operator’s skills, combined with data from the field, historical series and context will be the elements that will feed the conversational engine to recommend in a personalized way the operations to be performed through a dialogue in natural language with the operator.