PRESENTAZIONE

I Corsi di formazione alla cittadinanza digitale RAISE sono realizzati nell’ambito del progetto P4|Basic AI & Robotics Skills at University Level che si sviluppa nel programma Training di RAISE Liguria.

Il progetto si rivolge a studenti di tutti i corsi di studio di UniGe, ma è anche aperto ai cittadini interessati, per incrementare la consapevolezza e l'autonomia nell'utilizzo di competenze digitali avanzate.

Al termine del corso sarà rilasciato a tutti un Open Badge e, se sei studente UniGe, anche 1 CFU.

I CFU acquisiti risulteranno come CFU aggiuntivi (gratuiti) nel Diploma Supplement.

I CFU possono anche essere riconosciuti dal corso di studio nei CFU curriculari, principalmente come altre attività, se ritenuti importanti per il raggiungimento degli obiettivi formativi previsti. In questo dovrai fare la richiesta al tuo Sportello Unico di riferimento con una mail, allegando documento di identità. Il corso di studio deciderà se accogliere la richiesta e variare il piano di studio.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

L’obiettivo dei percorsi formativi sui temi di AI e Robotica è quello di aumentare il livello di consapevolezza e incrementare la capacità di utilizzare competenze digitali avanzate, garantendo, indipendentemente dal settore di specializzazione, l'acquisizione di sensibilità, cultura e competenze di base in materia di Intelligenza Artificiale (AI) e Robotica.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Corso di livello base.

Cosa sai riguardo a TinyML? Tiny Machine Learning (TinyML) è una delle aree in più rapida crescita dell'Apprendimento Profondo ed è sempre più accessibile. Questo corso fornisce le basi per comprendere questo campo emergente. TinyML si trova all'incrocio tra le applicazioni di Apprendimento Automatico (Machine Learning - ML) integrate, algoritmi, hardware e software. TinyML si differenzia dal Machine Learning tradizionale (ad esempio, su server e cloud) poiché richiede non solo competenze software, ma anche competenze nell'hardware integrato. Il corso si concentrerà sulle basi del Machine Learning, dell'apprendimento profondo (Deep Learning) e dei dispositivi e sistemi integrati, come smartphone e altri dispositivi compatti. Nel corso, imparerai tecniche di data science per raccogliere dati dai sensori e sviluppare una comprensione degli algoritmi di apprendimento per addestrare modelli di apprendimento automatico di base. Alla fine del corso, sarai in grado di comprendere il "linguaggio" dietro a TinyML e sarai pronto a immergerti nell'applicazione di TinyML. Il corso ti permetterà di vedere il codice alla base di applicazioni Tiny ML ampiamente utilizzate, come dispositivi compatti e smartphone, e di distribuire il codice sul tuo stesso dispositivo TinyML fisico. Questo corso ti offre l'opportunità di immergerti nel mondo dell'analisi dei dati utilizzando sensori distribuiti nell'area del porto. Sfruttando la potenza di tinyML, acquisirai competenze e conoscenze per analizzare efficacemente questi dati dei sensori per una serie di scopi, tra cui rilevare anomalie, fare previsioni accurate e eseguire compiti di classificazione. Questo corso ti darà il potere di estrarre informazioni preziose dai dati dei sensori e prendere decisioni informate basate sui risultati delle tue analisi. 

PREREQUISITI

Nessuno

MODALITA' DIDATTICHE

La didattica è erogata attraverso video interattivi su piattaforma RAISE Aulaweb che possono essere seguiti in modalità asincrona e in autonomia.

Il Corso ha una durata complessiva di 25 ore, suddivise in moduli da circa 30 minuti. La didattica, progettata da docenti esperti con l’aiuto di esperti di innovazione didattica, è articolata in:

• Didattica erogativa (4 ore)
• Esercitazioni in forma di quiz, giochi ed esercizi (4 ore)
• Auto apprendimento: lettura e fruizione di materiali di approfondimento come articoli, video, siti, ecc. consigliati dal docente (17 ore).

Al termine del corso sarà disponibile un questionario per rilevare il grado di soddisfazione del corso effettuato.

I corsi formativi saranno accessibili senza limitazioni.

PROGRAMMA/CONTENUTO

• Introduzione a TinyML e sfide di TinyML
• Panoramica del machine learning: il paradigma del ML, i mattoni fondamentali del deep learning, esplorazione di scenari di ML
• Applicazioni di TinyML: ML su dispositivi mobili e IoT periferici, ingegneria dei dati per applicazioni TinyML
• Distribuzione di applicazioni TinyML su dispositivi incorporati: pre e post elaborazione per attività sportive umane, ottimizzazione di applicazioni TinyML.

TESTI/BIBLIOGRAFIA

TinyML: ML con TensorFlow Lite su Arduino e Microcontrollori Ultra-Basso Consumo, Prima Edizione, di Pete Warden (Autore) e Daniel Situnayake (Autore). 

DOCENTI E COMMISSIONI

Commissione d'esame

ALI DABBOUS (Presidente)

RICCARDO BERTA

LUCA LAZZARONI (Supplente)

LEZIONI

INIZIO LEZIONI

A partire da giugno 2024.

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

Test finale di verifica delle competenze su piattaforma RAISE Aulaweb.

ALTRE INFORMAZIONI

Tutti i dettagli del corso e la didattica sono disponibili alla pagina del corso RAISE Aulaweb.

Al superamento della verifica finale, una volta completato il questionario di soddisfazione, si ottiene un Open Badge, che attesta l’acquisizione della competenza Formazione alla cittadinanza.

Gli studenti UniGe per ottenere l’Open Badge e visualizzare il CFU in carriera devono inserire il corso di formazione alla cittadinanza con relativo codice nel proprio piano di studi, alla pagina dei servizi online dedicata alla formazione alla cittadinanza.

Il CFU e l’Open Badge saranno disponibili solo una volta effettuata la registrazione della verifica finale da parte del docente responsabile del corso.

Per ora è tutto...

• Se vuoi iscriverti vai qui: Embedded Tiny Machine Learning - 113520 | RAISE Liguria

• Se vuoi maggiori informazioni scrivici: formazione.raise@unige.it