Dipartimento di Matematica
Guido Castelnuovo

Il Corso di laurea in Scienze Matematiche per l’Intelligenza Artificiale consiste di un unico curriculum, organizzato in attività formative caratterizzate dal rigore logico e dall’elevato livello di astrazione caratteristici della matematica, affiancate da insegnamenti di informatica, sia teorici che più prettamente algoritmici e di programmazione. Gli strumenti teorici vengono successivamente utilizzati per introdurre i concetti costitutivi dell’intelligenza artificiale e del machine learning. Accanto a questi insegnamenti fondamentali, il curriculum prevede l’applicazione degli strumenti appresi a diverse discipline, dalla fisica alla biologia, che fornisce, con le neuroscienze e la bio-informatica, un paradigma sullo sviluppo e sulla natura dell’intelligenza.

Nel primo anno sono previsti insegnamenti di base in matematica, come analisi, algebra, geometria e probabilità e statistica, mentre per informatica i primi insegnamenti si concentrano soprattutto sull’acquisizione di tecniche di programmazione, con una forte presenza di attività in laboratorio. A partire dal secondo semestre, gli strumenti acquisiti vengono applicati allo studio della fisica e delle neuroscienze.

Nel secondo anno si intensifica la contaminazione fra matematica, informatica e applicazioni con lo studio degli algoritmi e della loro complessità, dell’analisi numerica e dell’ottimizzazione, delle tecniche di machine learning e dell’intelligenza artificiale applicate all’analisi di grandi moli di dati, e con gli aspetti matematici della fisica e della costruzione di modelli.

Il terzo anno è dedicato al consolidamento e al completamento degli insegnamenti del corso di studi, tramite insegnamenti sui processi stocastici e applicazioni alla bio-informatica. Inoltre, il terzo anno del corso di studi è dedicato anche allo sviluppo delle inclinazioni personali dello studente, permettendo il raccordo con le diverse lauree magistrali alle quali gli studenti di Scienze Matematiche per l’Intelligenza Artificiale possono avere accesso. A questo scopo sono dedicati i numerosi corsi opzionali,

Il cammino proposto include insegnamenti utili per il mondo del lavoro, come lo studio dell’inglese, gli aspetti etici dell’intelligenza artificiale, e le tecniche di comunicazione scientifica.
 

I anno
Semestre	Insegnamento	Docente	CFU
1	Analisi 1	Luca Martinazzi	9
1	Algebra lineare e strutture algebriche	Claudia Malvenuto	12
1	Fondamenti di programmazione con laboratorio	Paolo Bottoni	9
2	Fisica	Giulio D'Agostini	9
2	Tecniche di programmazione con laboratorio	Stefano Leonardi	9
2	Probabilità e statistica	Lorenzo Bertini	9
2	Fondamenti di neuroscienze	Egle De Stefano-Arianna Rinaldi	6
II anno
1	Algoritmi e complessità	Alessandro Panconesi	6
1	Modelli matematici per la Fisica	Emanuele Caglioti  Chiara Cammarota	12
1	Analisi 2	Eugenio Montefusco	9
2	Metodi numerici	Gabriella Puppo	9
2	Fondamenti di intelligenza artificiale e gestione dei dati	Roberto Navigli- Domenico Lembo	12
2	Machine learning	Emanuele Rodolà	9
2	Ottimizzazione	Marco Sciandrone	6
III anno
1	Biologia computazionale	Rodolfo Negri	6
1	Processi stocastici	Alessandra Faggionato	6
1	Un corso a scelta fra...		6
	Calcolo scientifico	Maurizio Falcone
	Architetture degli elaboratori per l’intelligenza artificiale	Emiliano Casalicchio
	Logica e metodi probabilistici per l'informatica	Stefano Leonardi  - Maurizio Lenzerini
	Earthquake physics and machine learning NOTA: il corso sarà in inglese	Chris Marone
1	Corso a scelta 1	---	6
	Inglese	---	4
2	Un corso a scelta fra...		6
	Matematica per il machine learning	Dario Benedetto
	Applicazioni informatiche del machine learning	Fabrizio Silvestri
	Applicazioni fisiche al machine learning	Stefano Giagu
2	Corso a scelta 2	---	6
	Etica dell’intelligenza artificiale	Fabrizio Rufo	3
2	Comunicazione scientifica	Isabella Saggio	3
2	Tesi	---	8