Categoria: Risultati

L’InfoDay  in Italia – mercoledì 16  febbraio

L’InfoDay  in Italia è stato organizzato da ISTC-CNR per mercoledì 16  febbraio , dalle ore 15:00  alle ore 19:00 come evento virtuale (registrazione su EventBrite )

I risultati del progetto sono stati presentati da Gianluca Baldassarre, direttore di ricerca ISTC-CNR, presidente dell’Advanced School in AI (AS-AI)

Hanno partecipato al confronto diverse realtà della formazione professionale e della scuola( EULAB Consulting, ITS GALILEI-SANI, MAGISTRA GROUP, ITALIA CAMP), aziende di IA (INGLOBE TECHNOLOGIES) ed esperti di settore (ISTAT).

L’evento ha previsto una sessione “hands-on” centrata su moduli formativi del corso ARIS.

38 partecipanti hanno seguito l’inconto.

Al seguente link è possibile consultare l’agenda dettagliata.

Realizzazione di un pilota del corso on line ARIS

Dal 4 ottobre al 30 novembre 2021 è stato condotto un pilota del corso ARIS con la partecipazione effettiva dei soggetti destinatari del Corso, al fine di valutare il valore educativo delle sue risorse didattiche. Si sono registrati al MOOC ARIS in totale 172 studenti con una durata media delle sessioni di apprendimento dalle 120 alle 160 ore. In generale, il processo ha registrato attitudini e commenti positivi circa il valore formativo del curriculum ARIS, la sua comprensibilità e l’utilità dei moduli didattici. I partecipanti hanno inoltre fornito utili feedback per l’ulteriore miglioramento dei contenuti didattici e per la rifinitura delle modalità di fruizione del corso on line. Il report in allegato sintetizza le principali conclusioni ed i risultati della valutazione condotta grazie alla realizzazione del Pilot del Corso.

Scarica qui il rapporto.

Risorse per la formazione e la valutazione delle competenze in Intelligenza Artificiale

├─ Learning Unit 1 – Foundations of Artificial Intelligence.
│├ Lesson 1 – Scope of AI (document, slides).
│├ Lesson 2 – Problem Solving (document, slides).
│├ Lesson 3 – Knowledge Representation (document, slides).
│├ Lesson 4 – Machine Learning (document, slides).
│├ Lesson 5 – Applications (document, slides).
│└ Lesson 6 – Ethical Implications (document, slides).
│
├─ Learning Unit 2 – Machine Learning.
│├ Lesson 1 – Introduction to Machine Learning (document, slides).
│├ Lesson 2 – Languages and Resources (document, slides).
│├ Lesson 3 – Data Transformation and Visualization (document, slides).
│├ Lesson 4 – Supervised Linear Machine Learning (document, slides).
│├ Lesson 5 – Supervised non linear Machine Learning (document, slides).
│└ Lesson 6 – Unsupervised Machine Learning (document, slides).
│
├─ Learning Unit 3 – Neural Networks and Deep Learning.
│├ Lesson 1 – Brain Origins and Elements of Artificial Neural Networks (document, slides).
│├ Lesson 2 – Simple Perceptrons and Supervised Learning (document, slides).
│├ Lesson 3 – Multilayer Perceptron and Keras (document, slides).
│├ Lesson 4 – Deep Learning for Image Classification, Convolutive Neural Networks (document, slides). 
│├ Lesson 5 – Different CNNs for Image Classification (document, slides).
│└ Lesson 6 – Real Time Objects Locatization with YOLO (document, slides).
│
└─Learning Unit 4 – AI for Solving real-life problems.
   ├ Lesson 1 – Natural Language Processing Introduction, Embeddings Classification (document, slides).
   ├ Lesson 2 – Neural Networks for NLP and Libraries (document, slides).
   ├ Lesson 3 – New Approaches, Applications and Open Problems (document, slides).
   ├ Lesson 4 – BigData Problems, Core Techniques and Introduction to Problems, Hadoop Spark (document, slides).
   ├ Lesson 5 – Spark for Big Data Processing (document, slides).
   └ Lesson 6 – Cloud Computing and ML with PySpark (document, slides).