Insegnamento MATHEMATICAL METHODS FOR ARTIFICIAL INTELLIGENCE

Corso
Informatica
Codice insegnamento
A002083
Curriculum
Artificial intelligence
CFU
12
Regolamento
Coorte 2023
Erogato
2024/25
Tipo insegnamento
Obbligatorio (Required)
Tipo attività
Attività formativa integrata

APPLIED IMAGE AND SIGNAL PROCESSING

Codice A002085
CFU 6
Docente Gianluca Vinti
Docenti
  • Gianluca Vinti
Ore
  • 52 ore - Gianluca Vinti
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) Esercitazioni in aula.

3) laboratori su argomenti del corso e/o visite guidate di 4 ore ciascuna presso alcuni reparti dell'Ospedale Santa Maria della Misericordia di Perugia (radiologia e/o chirurgia vascolare e/o oculistica).
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 per l'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
Obiettivi Agenda 2030 per lo sviluppo sostenibile Istruzione di qualità

NUMERICAL METHODS FOR INFORMATION TECHNOLOGIES

Codice A002084
CFU 6
Docenti
  • Bruno Iannazzo (Codocenza)
Ore
  • 47 ore (Codocenza) - Bruno Iannazzo
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.
Prerequisiti
Metodi didattici Lezioni frontali e laboratorio con Matlab/Octave.
Altre informazioni
Modalità di verifica dell'apprendimento Esame orale e seminario. L'orale può essere sostituito con degli esercizi o un seminario o un progetto, se disponibile.

La finalità della prova orale è la valutazione della comprensione degli argomenti del corso e della padronanza nel loro utilizzo.

La finalità del seminario è la valutazione della capacità dello studente di presentare un argomento legato al corso ma studiato in autonomia.

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.
Calcolo di autovalori. Ottimizzazione non lineare e su varietà differenziabile.
Durante il corso verranno considerate alcune delle applicazioni delle teorie e metodi studiati alla scienza dei dati e alle tecnologie informatiche: fitting di dati; 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;
Condividi su