Formazione e ricerca
Attività Formative del Corso di Dottorato - 2024/2025
Advanced techniques for acquisition of biomedical images
Crediti: 1
Lingua di erogazione: Ingelese
Docente: Pietro Bontempi, Federico Boschi
Algorithmic motion planning in robotics
Crediti: 1
Lingua di erogazione: Italiano
Docente: Paolo Fiorini
Brain Computer Interfaces
Crediti: 1,5
Lingua di erogazione: Inglese
Docente: Silvia Francesca Storti
Data visualization
Crediti: 1
Lingua di erogazione: Italiano
Docente: Andrea Giachetti
Explainable AI models: state of the art, promises and challenges
Crediti: 2,5
Lingua di erogazione: Italiano
Docente: Gloria Menegaz
Foundation of Robotics Autonomy
Crediti: 1
Lingua di erogazione: Italiano
Docente: Paolo Fiorini
Generative AI
Crediti: 1,5
Lingua di erogazione: English
Docente: Francesco Setti
Modellazione e analisi 3D
Crediti: 1
Lingua di erogazione: Italiano
Docente: Andrea Giachetti
Modellazione e verifica di sistemi digitali
Crediti: 1,5
Lingua di erogazione: Italiano
Docente: Franco Fummi, Nicola Bombieri, Graziano Pravadelli
Nanomaterials: synthesis, characterization and applications
Crediti: 1
Lingua di erogazione: Italiano
Docente: Francesco Enrichi
Soft robotics: from nature to engineering
Crediti: 1,5
Lingua di erogazione: Italiano
Docente: Francesco Visentin
Techniques and algorithms for biomechanics of movement
Crediti: 2,5
Lingua di erogazione: Italiano
Docente: Roberto Di Marco
Theranostics: from materials to devices
Crediti: 1
Lingua di erogazione: Italiano
Docente: Nicola Daldosso
Generative AI (2024/2025)
Docente
Referente
Crediti
1,5
Lingua di erogazione
English
Frequenza alle lezioni
Scelta Libera
Sede
VERONA
Obiettivi di apprendimento
In questo corso verranno introdotti gli aspetti principali dell'intelligenza artificiale generativa relativamente alla generazione di contenuti visuali e la loro connessione con la semantica ed il testo (teext-to-image). Presenteremo le basi della AI generativa e i più recenti sviluppi, discutendo anche le sfide e le più promettenti linee di ricerca.
Alla fine del corso lo studente sarà in grado di comprendere meglio le potenzialità ed i rischi associati all'IA generativa, e sviluppare proprie applicazioni sfruttando tool e modelli preaddestrati.
Prerequisiti e nozioni di base
Machine Learning, Deep Learning, Computer Vision, Python programming
Programma
- Introduction to genertive AI: definition, main applications, data generation, probabilistic models, generative neural networks.
- Image and video generation: Autoencoders, Generative Adversarial Networks (GANs)
- Text generation: word embeddings, recurrent neural networks, transformer models
- Multimodal generation: diffusion models, text-to-image
- Applications of generative AI
- Tools and resources for generative AI
Quando e Dove
Lezioni frontali e sessioni di laboratorio
Modalità di verifica dell'apprendimento
Progetto individuale legato alle tematiche di ricerca del dottorato.
Valutazione
Partecipazione alle lezioni e alle discussioni; discussione del progetto.
Criteri di composizione del voto finale
Passato/non passato
Attività Formative della Scuola di Dottorato - 2024/2025
Offerta formativa della Scuola di Dottorato da definire
Docenti
Marziliano Pina
Dottorandi
Non è presente alcuna persona. 40° Ciclo non iniziato.
Loading...
Linee guida percorso formativo
Di seguito i file che contengono le Linee guida per il percorso formativo e il regolamento per l'acquisizione dei crediti formativi (CFU) per l'Anno Accademico 2024/2025.