Insegnamento MATHEMATICAL METHODS FOR ARTIFICIAL INTELLIGENCE
- Corso
- Informatica
- Codice insegnamento
- A002083
- Curriculum
- Artificial intelligence
- Docente
- Gianluca Vinti
- CFU
- 12
- Regolamento
- Coorte 2021
- Erogato
- 2022/23
- Tipo insegnamento
- Obbligatorio (Required)
- Tipo attività
- Attività formativa integrata
APPLIED IMAGE AND SIGNAL PROCESSING
| Codice | A002085 |
|---|---|
| CFU | 6 |
| Docente | Gianluca Vinti |
| Docenti |
|
| Ore |
|
| Attività | Affine/integrativa |
| Ambito | Attività formative affini o integrative |
| Settore | MAT/05 |
| Tipo insegnamento | Obbligatorio (Required) |
| Lingua insegnamento | Italiano |
| Contenuti | Introduzione al corso • Riepilogo della trasformata di Fourier e delle sue proprietà. •Campionamento esatto e campionamento approssimato • Operatori sampling generalizzati e sampling- Kantorovich: loro proprietà e principali risultati. • Nozioni sulle immagini e sulle applicazioni del teorema del campionamento alle immagini • MATLAB e sue applicazioni all'elaborazione delle immagini • GIMP, IMAGEJ, e le loro applicazioni all'elaborazione delle immagini • Algoritmi di Image Processing: registrazione, segmentazione, sogliatura, operatori morfologici, operatori di smoothing e di sharpening, etc. •Strumentazione di acquisizione di immagini: TC, RNM, Termografia. • Diagnostica medica: -Introduzione generale alla diagnostica medica - Chirurgia vascolare, diagnostica e interventistica • Possibili visite: - Visita al reparto di Diagnostica per Immagini: radiografia (RX), tomografia computerizzata (CT), risonanza magnetica (MRI), ecografia, cardioCT. -Visita alla sezione di Chirurgia vascolare: trattamenti endovascolari -Visita alla sezione di oculistica • Visita al Centro per la ricerca sull'inquinamento atomico e l'ambiente (Hot-Box, termografia, ponti termici e inquinamento). • Diagnostica non invasiva in campo ingegneristico: elaborazione di immagini per la vulnerabilità sismica • Laboratori di Matematica Applicata su argomenti del corso |
| Testi di riferimento | Dispense del docente e slides. Verranno consigliati alcuni libri. |
| Obiettivi formativi | Risultati d'apprendimento previsti: Il corso prevede la conoscenza delle nozioni principali dell'elaborazione di immagini con particolare riferimento a quelle mediche. Le principali conoscenze (Descrittore di Dublino 1) acquisite saranno: •conoscenza della ricostruzione di segnali ed immagini tramite campionamento; •conoscenza della principali nozioni e tecniche dell'analisi e della elaborazione di immagine; •conoscenza delle principali problematiche di diagnostica medica e applicazione di algoritmi per il miglioramento di immagine; Le principali abilità acquisite (capacità di applicare le conoscenze acquisite, Descrittore di Dublino 2, e di adottare con autonomia di giudizio l’opportuno approccio, Descrittore di Dublino 3) saranno: •capacità di analisi e di elaborazione di immagine avente come finalità la diagnosi medica; •capacità di elaborare un ragionamento che porti lo studente ad individuare i metodi di soluzione del problema in questione; •capacità di individuare il giusto approccio per la soluzione del problema con lo sguardo verso la diagnostica medica. |
| Prerequisiti | Conoscenza della ricostruzione di segnali ed immagini tramite campionamento; Conoscenza della principali nozioni e tecniche dell'analisi e della elaborazione di immagine; Conoscenza delle principali problematiche di diagnostica medica e dell' applicazione di algoritmi per il miglioramento di immagine. |
| Metodi didattici | Il corso è articolato nel seguente modo: 1) Lezioni in aula su tutti gli argomenti del corso; 2) Laboratorio in aula: N. 2/3 laboratori su problemi dove si utilizzano argomenti del corso 3) Visite guidate di 4 ore ciascuna presso i reparti dell'Ospedale Santa Maria della Misericordia di Perugia (radiologia e/o chirurgia vascolare e/o oculistica) e/o presso Ingegneria. |
| Altre informazioni | Si consiglia la frequenza di tutte le lezioni. |
| Modalità di verifica dell'apprendimento | Prova orale. La verifica degli obiettivi formativi dell’insegnamento (esame) prevede una prova orale. La prova orale sarà svolta nelle date fissate nel calendario degli esami del CdS. Le prove orali, consistono in una discussione della durata non superiore a circa 40 minuti ciascuna finalizzata ad accertare: i) il livello di conoscenza dei contenuti teorici e laboratoriali del corso (descrittore di Dublino 1), ii) il livello di competenza nell’esporre le proprie capacità di argomentazione logico-matematica (descrittore di Dublino 2), iii) l’ autonomia di giudizio (descrittore di Dublino 3) nel proporre l’approccio più opportuno per argomentare quanto richiesto. Le prove orali hanno anche l’obiettivo di verificare la capacità dello studente di esporre con proprietà di linguaggio le domande proposte dalla Commissione, di sostenere un rapporto dialettico durante discussione e di dimostare capacità logico-deduttive e di di sintesi nell'esposizione (descrittore di Dublino 4). La valutazione finale verrà effettuata dalla Commissione in trentesimi. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
| Programma esteso | Introduzione al corso • Riepilogo della trasformata di Fourier e delle sue proprietà. •Campionamento esatto e campionamento approssimato • Operatori sampling generalizzati e sampling- Kantorovich: loro proprietà e principali risultati. • Nozioni sulle immagini e sulle applicazioni del teorema del campionamento alle immagini • MATLAB e sue applicazioni all'elaborazione delle immagini • GIMP, IMAGEJ, e le loro applicazioni all'elaborazione delle immagini • Algoritmi di Image Processing: registrazione, segmentazione, sogliatura, operatori morfologici, operatori di smoothing e di sharpening, etc. •Strumentazione di acquisizione di immagini: TC, RNM, Termografia. • Diagnostica medica: -Introduzione generale alla diagnostica medica - Chirurgia vascolare, diagnostica e interventistica • Possibili visite: - Visita al reparto di Diagnostica per Immagini: radiografia (RX), tomografia computerizzata (CT), risonanza magnetica (MRI), ecografia, cardioCT. -Visita alla sezione di Chirurgia vascolare: trattamenti endovascolari -Visita alla sezione di oculistica • Visita al Centro per la ricerca sull'inquinamento atomico e l'ambiente (Hot-Box, termografia, ponti termici e inquinamento). • Diagnostica non invasiva in campo ingegneristico: elaborazione di immagini per la vulnerabilità sismica • Laboratori di Matematica Applicata su argomenti del corso |
NUMERICAL METHODS FOR INFORMATION TECHNOLOGIES
| Codice | A002084 |
|---|---|
| CFU | 6 |
| Docente | Bruno Iannazzo |
| Docenti |
|
| Ore |
|
| Attività | Affine/integrativa |
| Ambito | Attività formative affini o integrative |
| Settore | MAT/08 |
| Tipo insegnamento | Obbligatorio (Required) |
| Lingua insegnamento | Inglese (o Italiano se scelto da tutti gli studenti). |
| Contenuti | Approfondimenti sugli aspetti numerici legati all'approssimazione, algebra lineare e ottimizzazione non lineare e loro applicazioni alla scienza dei dati e alle tecnologie informatiche. |
| Testi di riferimento | Per gli argomenti di analisi numerica si fa riferimento a dispense del docente e al testo J. Stoer, R. Bulirsch. Introduction to numerical analysis. Springer. 2013. Per gli argomenti opzionali si seguirà un testo di riferimento in inglese, comunicato dal docente. |
| Obiettivi formativi | Approfondimento degli aspetti matematici relativi ad alcune importanti applicazioni legate alla scienza dei dati e alle tecnologie informatica. Capacità di curare gli aspetti della modellistica matematica, dall'astrazione matematica, alla sua interpretazione modellistica, alla simulazione su calcolatore (tramite l'utilizzo del software Matlab o Octave). |
| Prerequisiti | Analisi numerica (fattorizzazione LU, interpolazione, ecc.) Algebra lineare, calcolo differenziale in più variabili reali. Elementi di programmazione. La parte opzionale può avere differenti prerequisiti (ad esempio, geometria differenziale). |
| Metodi didattici | Lezioni frontali e laboratorio con Matlab/Octave. Il laboratorio può essere sostituito con lezioni supplementari. |
| Modalità di verifica dell'apprendimento | L'esame consiste in una serie di domande sugli argomenti del corso in dettaglio. Verrà privilegiata la comprensione alla memorizzazione. La durata della prova è di circa un'ora. Per i frequentanti è possibile svolgere l'esame attraverso due prove: - una prova intermedia in cui viene esposto un risultato legato agli argomenti del corso (per esempio un'applicazione o la dimostrazione di un teorema) in forma di seminario di non più di mezz'ora; - una prova finale che consiste in un progetto da fare in gruppo o un seminario sul contenuto di un articolo scientifico; sarà possibile incrementare il punteggio tramite alcune prove facoltative: - una prova di laboratorio semplice svolta durante il laboratorio (facoltativa, si potrà sostituire con alcune lezioni aggiuntive); - la soluzione di alcuni esercizi (facoltativa) durante il corso. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa. |
| Programma esteso | Approssimazione ai minimi quadrati e decomposizione ai valori singolari (principal component analysis). Fattorizzazione QR e fattorizzazione non negativa. Analisi di matrici con vincoli di positività, calcolo di autovalori. Ottimizzazione non lineare. Durante il corso verranno considerate alcune delle applicazioni delle teorie e metodi studiati alla scienza dei dati e alle tecnologie informatiche: fitting di dati; reti complesse; problemi di classificazione; machine learning. Argomenti opzionali di teoria dell'approssimazione: Interpolazione tramite spline e trigonometrica. B-spline. Trasformata veloce di Fourier. Applicazioni al filtraggio digitale a curve e superfici in computer grafica. Ottimizzazione su varietà differenziabile. |