Negli ultimi anni, la convergenza tra l'Intelligenza Artificiale (IA) e i processi decisionali è diventata una forza trasformatrice in un'ampia gamma di settori industriali. L'integrazione delle tecnologie IA sta rimodellando i panorami imprenditoriali e manageriali in settori come sanità, finanza, manifattura e retail, in particolare per quanto riguarda le problematiche della Supply Chain. I modelli di machine learning e le reti neurali avanzate, incluse le Reti Neurali Convoluzionali (CNN), le Reti Neurali Ricorrenti (RNN) e le Reti Generative Avversarie (GAN), hanno ottenuto breakthrough significativi in campi come computer vision, elaborazione del linguaggio naturale e analisi predittiva. Le loro capacità si estendono ad applicazioni pratiche in sanità, business e veicoli autonomi, dove eccellono nell'analizzare e sfruttare dati complessi. Tuttavia, le architetture intricate e l'opacità intrinseca delle reti neurali di deep learning e del machine learning supervisionato pongono sfide alla loro comprensione completa e limitano la loro applicazione in aree critiche, particolarmente in domini interdisciplinari. Per affrontare questa problematica ed espandere l'ambito della ricerca, attraverso questo corso stiamo ampliando il focus della nostra missione per comprendere applicazioni di successo del Machine Learning e delle Reti Neurali di Deep Learning. Questa espansione mira a mostrare la loro efficacia nell'estrazione di intuizioni preziose da dataset complessi, migliorando così la comprensione e l'applicazione attraverso vari contesti
Strumenti Matematici: Strutture su Spazi Vettoriali, Algebra Lineare, Statistica e Informatica
Metodi didattici: Lezioni frontali, Attività di laboratorio presso il Decision LAB, Seminari e Workshop
Modalità di verifica dell'apprendimento: Esame scritto e orale
Criteri di valutazione:
Massimiliano Ferrara: "Intelligenza Artificiale Affidabile: una nuova frontiera della Conoscenza - Dalla teoria matematica alle applicazioni nel Decision-Making - ". EGEA BOCCONI, Milano, 2025
PROGRAMMA DEL CORSO
1. Fondamenti Matematici dell'Intelligenza Artificiale Spiegabile
2. Sicurezza e Robustezza nei Sistemi AI
3. Deep Learning: Architetture e Funzioni
4. Teoria dei Giochi per la Sicurezza AI
5. Analisi Topologica dei Dati (TDA)
6. Framework Unificato: XAI e Robustezza
7. Applicazioni Pratiche nel Decision-Making
8. Modelli di Machine Learning per Applicazioni
9. Case Studies e Implementazioni
10. Considerazioni Etiche e Future
Nessuna
