Laboratorio IA: Visione Artificiale, Machine Learning e CNN

Obiettivi

Il percorso sviluppa competenze operative su intelligenza artificiale e visione artificiale, unendo teoria e pratica: dall’acquisizione dei dati alla progettazione, addestramento, test e valutazione dei modelli.

• Fondamenti di IA e ML
  • Apprendimento supervisionato, non supervisionato e rinforzato.
  • Compiti di classificazione e regressione; concetti di bias/varianza.
• Dati e rappresentazione
  • Complessità, varianza, oggetti eterogenei e qualità dei dataset.
  • Creazione/etichettatura dei dati, split train/validation/test.
• Reti neurali e CNN
  • Neuroni, pesi, funzioni di attivazione, strati di ingresso/nascosti/uscita.
  • Convoluzioni, filtri, mappe di caratteristiche e heatmap.
• Generalizzazione del modello
  • Overfitting e underfitting; augmentation e regolarizzazione.
  • Metriche di valutazione e interpretabilità di base.
• Strumentazione e integrazione
  • Sistemi di visione con sensori CMOS, autofocus e illuminazione integrata.
  • Sistemi AI embedded, interfacce web/app mobile e protocolli industriali (es. PROFINET).
• Apprendimento immersivo
  • Ambienti AR con Tec2SKILL® ExploreAI: quiz, animazioni e attività pratiche.

Finalità

Il laboratorio consolida i concetti di IA trasformandoli in competenze pratiche tramite simulazioni e prove guidate, favorendo cooperazione, senso critico e interdisciplinarità tra informatica, automazione, elettronica e data science.

• Dalla teoria alla pratica: progettazione e addestramento di reti neurali su casi reali di visione.
• Didattica collaborativa: postazioni multiple, documentazione condivisa e strumenti di autoverifica.
• Consapevolezza tecnica ed etica: analisi di implicazioni e limiti delle applicazioni AI.
• Integrazione CPS: esempi di utilizzo dell’IA in stazioni cyber–physical con scambio dati.
• Continuità didattica: materiali strutturati per studio individuale (manuali, quiz, app) e lezioni guidate.

Conclusione

Al termine del percorso gli studenti saranno in grado di:

1. Raccogliere ed etichettare dati da telecamere CMOS e prepararli per il training.
2. Progettare, addestrare e testare reti neurali (incluse CNN) per compiti di classificazione/regressione.
3. Valutare i modelli con metriche adeguate, rilevare over/underfitting e applicare tecniche di miglioramento.
4. Integrare modelli su piattaforme embedded con interfacce web/app e protocolli industriali (es. PROFINET).
5. Utilizzare AR con Tec2SKILL® ExploreAI per rinforzare l’apprendimento e la verifica dei concetti.

Il laboratorio propone un ecosistema aggiornato e inclusivo, che unisce hardware specializzato, software interattivi e metodologie innovative per un apprendimento attivo, collaborativo e spendibile nei contesti professionali.