Data Science
Cod 104656
- Laurea magistrale
- 2 anni
- 120 CFU
- LM-Data
IINF-05/A
Fondamenti di Intelligenza Artificiale
Codice: 20830122
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Data Science
- Periodo di erogazione
- Secondo semestre
- CFU
- 9 CFU
- Lingua
- Italiano
- SSD
- IINF-05/A
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027. L’insegnamento è diviso in canali: ogni canale ha il suo programma.
- Docente
- Paolo Russo
- Curriculum
- Curriculum unico
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 80
- CUIN
- 260010954
Programma
Elementi di Proiezione Prospettica
Calibrazione della fotocamera
Elementi di Geometria Epipolare
Elementi di Ricostruzione 3D
Filtraggio delle immagini
Elementi di Deep Learning applicato alle immagini
Prerequisiti
Nozioni di base di analisi matematica e di algebra lineare.
Testi adottati
Computer Vision, a modern approach, David Forsyth e Jean Ponce
Modalità di erogazione
Didattica frontale.
Modalità di frequenza
frequenza libera
Modalità di valutazione
Domande a risposta aperta.
Prove previste
- Prova scritta
- Docente
- Giuseppe Sansonetti
- Curriculum
- Curriculum unico
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 80
- CUIN
- 260010954
Il docente non ha ancora pubblicato il programma di questo canale.
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Attività formative affini o integrative
Gli obiettivi sono quelli di presentare i modelli, i metodi e le tecniche di base impiegate nelle aree dell’Intelligenza Artificiale, quali problem solving, ricerca in ambienti complessi, ricerca con avversari, rappresentazione della conoscenza e gestione di vincoli. Saranno studiati alcuni domini didattici utili per comprendere l’applicazione pratica dei concetti trattati nel corso. Le lezioni e le esercitazioni pratiche svolte durante il corso consentiranno allo studente di acquisire capacità base di analisi e di problem solving su vari domini d’interesse per la disciplina.
Risultati di apprendimento attesi — Paolo Russo
Al termine del corso lo studente sarà in grado di:
- comprendere i principi teorici della Computer Vision e dell’elaborazione delle immagini digitali;
- descrivere i principali metodi di acquisizione, rappresentazione e trasformazione delle immagini;
- conoscere gli algoritmi fondamentali per estrazione di feature, segmentazione, classificazione e riconoscimento;
- comprendere i principi geometrici della visione artificiale, inclusi modelli di camera, calibrazione e ricostruzione 3D;
- conoscere le principali tecniche basate su Deep Learning per problemi di Computer Vision.
Esempi di domande d’esame
Paolo Russo
Spiegare l'algoritmo tipico di calibrazione della fotocamera.