PRESENTAZIONE

L'insegnamento fornisce le basi teoriche e applicative dei sistemi Internet of Things (IoT) e dell'impiego delle tecniche di Intelligenza Artificiale in ambienti di sensorizzazione distribuita. Il corso affronta le architetture IoT, le tecnologie di comunicazione, i protocolli di rete, i paradigmi di edge e cloud computing e le principali tecniche di Intelligenza Artificiale per l'analisi dei dati provenienti da sensori. Particolare attenzione è dedicata al Deep Learning, all'Edge AI, al TinyML e al Federated Learning per lo sviluppo di sistemi IoT intelligenti.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

La combinazione di IoT e Intelligenza Artificiale è già una realtà, sebbene ancora poco nota, e rappresenta l’integrazione tra due tecnologie di frontiera destinata a vedere utilizzi crescenti. Lo studente acquisirà competenze per comprendere e progettare sistemi AIoT, integrando dispositivi IoT, connettività e algoritmi intelligenti. Sarà in grado di raccogliere, elaborare e trasmettere dati su edge, fog e cloud, applicare tecniche di machine/deep learning per analisi predittive e decisionali, e sviluppare soluzioni per applicazioni reali (industria, mobilità, smart home, sanità), affrontando aspetti di scalabilità e affidabilità.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Al termine dell'insegnamento lo Studente sarà in grado di:

•     comprendere l'architettura, le tecnologie abilitanti e i principali protocolli di comunicazione dei sistemi Internet of Things (IoT);
•     descrivere il funzionamento dei principali dispositivi, reti e protocolli impiegati nei sistemi IoT, dal livello di acquisizione dei dati fino ai servizi cloud;
•     analizzare e progettare semplici soluzioni IoT, individuando le tecnologie di comunicazione e le architetture più idonee in funzione dei requisiti applicativi;
•     comprendere i principi fondamentali dell'Intelligenza Artificiale applicata all'IoT e le principali tecniche di machine learning per l'analisi dei dati provenienti da sensori;
•     comprendere il ruolo delle reti neurali, del deep learning, dell'Edge AI, del TinyML e del Federated Learning nello sviluppo di sistemi IoT intelligenti;
•     valutare le potenzialità e i limiti delle tecniche di Intelligenza Artificiale in applicazioni di monitoraggio, automazione e supporto alle decisioni basate su sistemi IoT.

PREREQUISITI

Sono richieste conoscenze di base di reti di telecomunicazioni, protocolli di comunicazione, elaborazione dei segnali, probabilità e statistica, nonché competenze di programmazione. Costituiscono inoltre prerequisiti utili le conoscenze fondamentali di sistemi distribuiti e di architetture di calcolo.

MODALITA' DIDATTICHE

L'insegnamento si svolge mediante lezioni frontali, supportate da presentazioni multimediali ed esempi applicativi. Il materiale didattico, comprendente slide, articoli scientifici e ulteriore documentazione, è reso disponibile agli studenti attraverso la piattaforma AULAWEB. Esempi pratici e casi di studio illustrano l'applicazione delle tecnologie IoT e delle tecniche di Intelligenza Artificiale in scenari reali.

PROGRAMMA/CONTENUTO

Introduzione ai sistemi IoT: definizioni, applicazioni e tecnologie abilitanti. Componenti dei sistemi IoT: dai sensori ai gateway (sensori e attuatori, funzioni di base delle schede elettroniche, tecniche di acquisizione dei dati). Comunicazioni Machine-to-Machine (M2M): tecnologie per WPAN (BLE, IEEE 802.15.4), LPWAN (LoRa/LoRaWAN) e WSAN. Architetture di rete e protocolli di instradamento (IPv6, 6LoWPAN, RPL). Comunicazione dai gateway al cloud: protocolli per l'acquisizione e lo scambio dei dati (CoAP, MQTT, AMQP).

Fondamenti di Intelligenza Artificiale per l'IoT: machine learning per l'analisi dei dati da sensori, apprendimento supervisionato, non supervisionato e per rinforzo; classificazione, regressione, clustering, rilevamento di anomalie e analisi di serie temporali. Introduzione alle reti neurali, al deep learning, all'Edge AI, al TinyML e al Federated Learning per l'intelligenza distribuita e l'addestramento decentralizzato di modelli su dispositivi IoT interconnessi.

TESTI/BIBLIOGRAFIA

Materiale didattico predisposto dai Docenti (slide, dispense, articoli scientifici e ulteriore documentazione) sarà reso disponibile attraverso la piattaforma AULAWEB e costituisce il principale riferimento per lo studio dell'insegnamento.

Eventuali testi di riferimento e materiale bibliografico integrativo saranno indicati, ove necessario, tramite la piattaforma AULAWEB nel corso dell'insegnamento.

DOCENTI E COMMISSIONI

LEZIONI

INIZIO LEZIONI

Consultare la piattaforma Easy Accademy dell'Ateneo cliccando qui.

Orari delle lezioni

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

ESAMI

MODALITA' D'ESAME

L'esame è costituito da una prova scritta e da una prova orale. La prova scritta verte sugli argomenti di Internet of Things e di Intelligenza Artificiale ed è costituita da quesiti a risposta multipla somministrati attraverso la piattaforma AULAWEB.

Il superamento della prova scritta costituisce requisito per l'ammissione alla prova orale e non concorre direttamente alla determinazione del voto finale. La prova orale verte sull'intero programma dell'insegnamento ed è finalizzata ad accertare il livello di comprensione degli argomenti trattati, la capacità di collegare i diversi contenuti del corso e di applicare le conoscenze acquisite.

MODALITA' DI ACCERTAMENTO

La verifica dell'apprendimento è finalizzata ad accertare il raggiungimento degli obiettivi formativi dell'insegnamento. In particolare, saranno valutate la comprensione delle architetture e delle tecnologie Internet of Things (IoT), dei principali protocolli di comunicazione e delle tecniche di Intelligenza Artificiale applicate all'analisi dei dati provenienti da sensori, nonché la capacità di integrare tali conoscenze nell'analisi e nella progettazione di sistemi IoT intelligenti.

La prova scritta, costituita da quesiti a risposta multipla, è finalizzata a verificare il possesso delle conoscenze di base necessarie per accedere alla prova orale. La prova orale accerta la capacità dello studente di esporre gli argomenti con proprietà di linguaggio, di collegare i diversi contenuti dell'insegnamento e di discutere criticamente le principali soluzioni tecnologiche e metodologiche affrontate nel corso.

ALTRE INFORMAZIONI

Per ogni altra informazione e approfondimento contattare i Docenti dell'insegnamento.