Obiettivi
L’Intelligenza Artificiale (IA) sta trasformando rapidamente la nostra società grazie ad applicazioni come le auto a guida autonoma, gli assistenti personali, i sistemi di sorveglianza, la robotica industriale, la traduzione automatica, i servizi finanziari, la sicurezza informatica, la ricerca sul web, i videogiochi, l’analisi di immagini e segnali, la visione artificiale, l’analisi del codice e i sistemi di raccomandazione dei prodotti. Questi sistemi utilizzano tecniche di IA per interpretare diversi tipi di dati, permettendo un comportamento intelligente, adattivo e orientato agli obiettivi.
Questo percorso, completamente erogato in lingua inglese, affronta le metodologie moderne dell’IA, inclusi i sistemi auto-apprendenti addestrati su grandi moli di dati e agenti intelligenti che interagiscono tra loro svolgendo ragionamenti e calcoli distribuiti. Gli studenti esplorano l’integrazione tra sensori, algoritmi e interfacce uomo-macchina, fino ad arrivare a reti estese di dispositivi intelligenti.
Opportunità di carriera
Il piano di studi offre un mix equilibrato di insegnamenti teorici e attività di laboratorio, garantendo a ogni studente la padronanza delle basi teoriche e un’esperienza pratica concreta. I corsi fondamentali coprono ambiti quali i fondamenti dell’intelligenza artificiale, l’apprendimento automatico, le tecnologie del linguaggio naturale e i sistemi intelligenti per il riconoscimento di pattern. Le opzioni a scelta sono state ampliate per consentire un’esplorazione personalizzata di aree avanzate dell’IA, tra cui l’apprendimento continuo, il calcolo quantistico, i sistemi scalabili e la progettazione algoritmica.
Attraverso lo studio sia di argomenti fondamentali sia di frontiera, gli studenti sono preparati a contribuire all’evoluzione dell’intelligenza artificiale, affrontando sfide complesse e promuovendo l’innovazione in diversi settori.
I laureati sono ben preparati per intraprendere carriere in aziende tecnologiche di primo piano, sia a livello nazionale che internazionale, oppure per proseguire con un dottorato in Informatica o in discipline affini.
Piano di studio
Il piano di studi è stato recentemente aggiornato per riflettere l’evoluzione del settore. Ora include:
- Generative and Deep Learning, prima Intelligent Systems for Pattern Recognition, per rappresentare meglio i contenuti del corso e la sua collocazione disciplinare;
- Human Language Technologies, spostato al secondo anno per valorizzare le conoscenze di base acquisite dagli studenti;
- Computer Vision, nuovo insegnamento introdotto per coprire un’area fondamentale attualmente poco rappresentata;
- Learning on Graph, insegnamento a scelta da 6 CFU, in linea con i punti di forza della ricerca attuale del Dipartimento.
Infine, Smart Applications è stato trasformato in un insegnamento a scelta, per offrire una maggiore flessibilità.
Primo anno
Semestre 1 |
CFU |
Semestre 2 |
CFU |
| Artificial intelligence fundamentals | 6 | Generative and deep learning | 9 |
| Computational mathematics for learning and data analysis | 9 | Parallel and distributed systems: paradigms and models | 9 |
| Machine learning | 9 | Gruppo: Affini AI da 9 CFU | 9 |
| Gruppo: Affini AI da 6 CFU | 6 | ||
| 24 | 33 |
Secondo anno
Semestre 3 |
CFU |
Semestre 4 |
CFU |
| Human language technologies (non active 25/26) | 9 | Gruppo: Affini AI da 6 CFU | 6 |
| Computer vision (non active 25/26) | 9 | ||
| Gruppo: Affini AI da 9 CFU | 9 | ||
| Gruppo: a scelta libera | 9 | Prova finale | 24 |
| 36 | 30 |
Gruppo: Affini AI da 9 CFU
Algorithm engineering (Sem. 1 )
Algorithm design (Sem. 2) (*)
Data mining (Sem. 1)
Digital Health lab (Sem. 2) (*)
Mobile and cyber-physical systems (Sem. 2)
Gruppo: Affini AI da 6 CFU
3D Geometric Modeling & Processing (Sem. 1)
Accelerated Computing (Sem. 1)
Algorithmic Game Theory (Sem. 2)
Competitive programming and contest (Sem. 1) (*)
Computational models for complex systems (Sem. 2)
Computational neuroscience (Sem. 2)
Continual learning (Sem. 2)
Information retrieval (Sem. 1)
Introduction to Quantum Computing (Sem. 2)
Laboratory on ICT Startup Building (Sem. 1)
Learning on Graphs (Sem. 1) (non attivo nell’a.a. 25/26) (*)
Robotics (Sem. 2)
Scalable Distributed Computing (Sem. 1) (*)
Scientific and large data visualization (Sem. 2)
Semantic web (Sem. 1)
Smart applications (Sem. 1) (non attivo nell’a.a.25/26 – Attivo invece Smart Applications da 9 cfu)
Social and ethical issues in computer technology (Sem. 2)
(*) Corsi offerti solo ai nuovi immatricolati.
Gli studenti immatricolati prima dell’anno accademico 2025/2026 possono far riferimento al precedente Piano di Studio (vedi il seguente documento).
Descrizione del Curriculum e dei syllabi da scaricare (PDF)