Attività PCTO: alternanza scuola-lavoro 
Percorsi per le competenze trasversali e l'orientamento

Il laboratorio, pensato per gli studenti delle scuole superiori, è composto da 3 incontri in cui viene fornita un’introduzione teorica e pratica all’intelligenza artificiale. Il primo incontro è focalizzato sul linguaggio Python e le sue librerie di scientific computing. Il secondo sui fondamenti teorici della disciplina, approfondendo la distinzione fra supervised, unsupervised e reinforcement learning. Infine, il terzo esamina la struttura e il funzionamento delle reti neurali profonde, affiancando piccole applicazioni pratiche a spunti di riflessione sui possibili risvolti etici e sociali di queste nuove tecnologie.

Obiettivi formativi:

• Imparare i concetti base della programmazione Python e le principali funzionalità offerte dalle librerie di scientific computing;
• Comprendere il cambio di paradigma che sta avvenendo nelle scienze informatiche, con lo spostamento di interesse dall’algoritmo ai dati.
• Capire la differenza tra supervised, unsupervised e reinforcement learning.
• Essere in grado di implementare semplici modelli di learning e valutarne pregi e limiti.


Il laboratorio è composto dalle seguenti lezioni:

1. Python for Data Analysis (3 ore). Concetti base della programmazione in Python e le librerie più utilizzate per il scientific computing
2. Introduzione al Machine Learning (4 ore). Introduzione alle diverse tipologie di learning, con creazione di piccoli modelli e algoritmi per risolvere problemi complessi.
3. Reti Neurali Profonde (3 ore). Studio di modelli che simulano il comportamento del cervello umano e che possono essere utilizzati come “approssimatori universali” di funzioni.

Prerequisiti:

• Basi di programmazione (non necessariamente in Python). Si assume che lo studente sia in grado di sviluppare semplici algoritmi e conosca il concetto di variabile, array, funzione, parametri di una funzione, etc.
• Fondamenti di algebra, risoluzione di equazioni e trigonometria