Laboratorio di Elettronica – Nozioni di base sull’Intelligenza Artificiale: ML, Deep Learning, CNN e visione artificiale con AR

Obiettivi di apprendimento

Introduzione all’IA – Intelligenza artificiale, apprendimento automatico, apprendimento profondo IA basata su regole, apprendimento automatico, apprendimento profondo – “Apprendimento supervisionato, apprendimento non supervisionato, Apprendimento rinforzato” Concetto, classificazione, regressione “Dati: Complessità, varianza, oggetti diversi” “Neuroni, pesi, rete, Ingresso della rete, funzione di attivazione Strato di ingresso / nascosto / di uscita” Overfitting, underfitting – Elaborazione delle immagini – Rete neurale convoluzionale (CNN) Filtro (convoluzione) – Caratteristiche – Mappe caratteristiche – Mappe di calore – Applicazione Creare i dati di addestramento – Addestrare il modello – Testare il modello – Valutare i risultati

Obiettivi del Laboratorio

• Fornire competenze operative di base e avanzate sull’Intelligenza Artificiale, con particolare attenzione all’elaborazione delle immagini, al riconoscimento visivo e alla gestione dei dati.
• Introdurre gli studenti all’utilizzo di sistemi di visione AI basati su sensori CMOS, messa a fuoco automatica e illuminazione integrata, simili a quelli impiegati in contesti produttivi reali.
• Sviluppare la capacità di addestrare e testare modelli di rete neurale, utilizzando dati di esempio raccolti dalla telecamera e validati attraverso interfacce utente via server web e app mobile.
• Approfondire la configurazione hardware e software dei sistemi AI embedded, tramite protocolli industriali (es. PROFINET) e tecnologie di comunicazione standard.
• Familiarizzare con ambienti didattici interattivi in realtà aumentata grazie all’app Tec2SKILL® ExploreAI, migliorando la comprensione dei concetti attraverso quiz, animazioni AR e attività pratiche.

Finalità Didattiche

• Consolidare i concetti teorici di IA (reti neurali, propagazione, errore, validazione) e trasformarli in competenze pratiche attraverso simulazioni, esperimenti e progettazione autonoma di reti neurali.
• Favorire l’apprendimento attivo e cooperativo, grazie a una didattica basata su postazioni multiple, documentazione condivisa e strumenti di verifica autonoma per studenti e docenti.
• Sviluppare un approccio critico e consapevole all’uso dell’IA nei contesti industriali, analizzando implicazioni tecniche, etiche e funzionali delle applicazioni.
• Promuovere l’interdisciplinarità, collegando informatica, automazione, elettronica e data science, con esempi reali di utilizzo dell’IA nelle stazioni CPS (Cyber-Physical Systems).
• Sostenere l’autoapprendimento e la continuità didattica, attraverso materiali strutturati per l’uso individuale (manuali, quiz, app) e collettivo (lezioni guidate, ausili per la presentazione).

Conclusione

Il laboratorio sull’Intelligenza Artificiale basata su visione artificiale e machine learning rappresenta un ecosistema didattico innovativo, progettato per rendere accessibili concetti avanzati attraverso l’esperienza concreta. Grazie all’integrazione tra hardware specializzato, applicazioni mobili interattive, realtà aumentata e materiali strutturati per studenti e docenti, il percorso consente un apprendimento immersivo, scalabile e attuale. Gli studenti potranno sviluppare competenze tecniche solide e comprendere il ruolo dell’IA nella trasformazione digitale dell’industria e della società, gettando le basi per un futuro professionale in settori ad alta innovazione. Questa soluzione include sistemi tecnologici utili a favorire l’inclusione e le pari opportunità per l’uso di metodologie didattiche innovative. Pensata per promuovere un apprendimento attivo e collaborativo.