-
Lingua Insegnamento:
Italiano -
Testi di riferimento:
Il materiale di riferimento principale è costituito da dispense, slide, esempi guidati, notebook e documentazione tecnica resi disponibili o indicati dal docente durante il corso.
Durante lo svolgimento dell’insegnamento potranno essere segnalati articoli, risorse online, capitoli selezionati di testi introduttivi e documentazione ufficiale relativi agli strumenti di intelligenza artificiale, machine learning, intelligenza artificiale generativa e programmazione assistita utilizzati nelle lezioni e nelle attività applicative.
Lo studio integrale di manuali specifici non è richiesto; le parti effettivamente oggetto di studio saranno indicate dal docente. -
Obiettivi formativi:
Il corso è volto a fornire conoscenze e competenze di base sull’intelligenza artificiale contemporanea, con particolare attenzione alla capacità di comprenderne i principi generali, utilizzarne alcuni strumenti operativi e valutarne criticamente risultati, limiti e possibili applicazioni in ambito economico, finanziario e aziendale.
In particolare, tale obiettivo è correlato ai seguenti risultati di apprendimento.
Conoscenza e comprensione – l’insegnamento intende fornire conoscenze riferite ai concetti fondamentali e al linguaggio di base dell’intelligenza artificiale. Lo studente dovrà comprendere la differenza tra intelligenza artificiale, machine learning, deep learning e intelligenza artificiale generativa; il ruolo dei dati nei sistemi di apprendimento automatico; il significato di modello, addestramento, validazione e test; i principali tipi di problemi affrontabili mediante strumenti di IA, quali classificazione, previsione, clustering, analisi di testi e generazione di contenuti. Lo studente dovrà inoltre comprendere, a livello concettuale e operativo, il funzionamento generale e i limiti dei modelli linguistici di grandi dimensioni.
Capacità di applicare conoscenza e comprensione – l’insegnamento intende favorire lo sviluppo della capacità di applicare le conoscenze acquisite all’analisi di semplici problemi economici, finanziari, aziendali o amministrativi nei quali possano essere utilizzati strumenti di intelligenza artificiale. Tale risultato si persegue attraverso esempi, esercitazioni guidate e attività applicative. Lo studente dovrà essere in grado di individuare possibili casi d’uso dell’IA, distinguere tra problemi predittivi, generativi e di supporto all’analisi, utilizzare in modo guidato strumenti di IA generativa, formulare prompt efficaci, interpretare criticamente le risposte ottenute e partecipare alla progettazione o alla realizzazione di semplici workflow o prototipi assistiti da LLM.
Autonomia di giudizio – il corso intende sviluppare la capacità di valutare criticamente l’uso dell’intelligenza artificiale in relazione al problema affrontato, alla qualità dei dati disponibili, all’affidabilità dei risultati, ai possibili errori e bias, e al ruolo della verifica umana nei processi di analisi e decisione.
Abilità comunicative – lo studente dovrà acquisire la capacità di descrivere con linguaggio appropriato i principali concetti dell’intelligenza artificiale, illustrando in modo chiaro il funzionamento generale degli strumenti utilizzati, le loro possibili applicazioni e i loro limiti.
Capacità di apprendimento – il corso intende fornire le basi per proseguire autonomamente l’approfondimento dell’intelligenza artificiale, anche attraverso la consultazione di testi introduttivi, documentazione tecnica, articoli divulgativi o scientifici e strumenti software di uso corrente. -
Prerequisiti:
Non sono richieste conoscenze preliminari avanzate di informatica o di programmazione.
Per agevolare la frequenza e l’apprendimento dei contenuti del corso sono utili conoscenze matematiche e statistiche di base, nonché familiarità con l’uso ordinario del computer, di fogli di calcolo e di strumenti digitali per la gestione di testi, dati e documenti.
Può essere utile, ma non obbligatorio, ripassare prima dell’inizio del corso nozioni elementari di statistica descrittiva, probabilità di base, uso di fogli di calcolo e gestione di file e tabelle.
Può inoltre essere utile acquisire familiarità con l’uso di notebook interattivi e con le funzioni di base di Python per la manipolazione di dati. Le nozioni minime di programmazione eventualmente necessarie per le attività applicative saranno comunque introdotte durante il corso in forma guidata, anche attraverso l’utilizzo di strumenti di programmazione assistita da modelli linguistici.
È infine consigliata, come preparazione facoltativa, una familiarità di base con strumenti di intelligenza artificiale generativa, limitatamente all’uso consapevole di prompt, alla verifica delle risposte e alla gestione di semplici attività di scrittura, sintesi e analisi di testi. -
Metodi didattici:
Lezioni frontali.
Esercitazioni guidate.
Presentazione e discussione di esempi applicativi relativi all’uso dell’intelligenza artificiale in contesti economici, finanziari, aziendali e amministrativi.
Attività pratiche assistite, finalizzate all’utilizzo di strumenti di IA generativa, all’analisi di dati o documenti e alla costruzione guidata di semplici workflow o prototipi. -
Modalità di verifica dell'apprendimento:
Conoscenza e comprensione – l’efficacia formativa dell’insegnamento è verificata attraverso una prova orale individuale e/o la discussione di un elaborato applicativo, secondo le indicazioni fornite dal docente all’inizio del corso. La prova orale consiste in domande riferite ai principali argomenti del programma, con l’obiettivo di accertare la conoscenza dei concetti fondamentali dell’intelligenza artificiale e la capacità dello studente di esporli in modo chiaro e corretto.
L’eventuale elaborato applicativo consiste nella discussione di un semplice caso d’uso di intelligenza artificiale, sviluppato individualmente o in gruppo secondo modalità indicate dal docente. L’elaborato potrà riguardare, ad esempio, l’analisi guidata di dati o documenti di interesse economico-finanziario o aziendale, la costruzione di un semplice workflow assistito da LLM, l’utilizzo di strumenti di IA generativa per attività di classificazione, sintesi o supporto all’analisi, oppure la progettazione di un piccolo prototipo.
Capacità di applicare conoscenza e comprensione – durante la prova d’esame il docente verifica inoltre la capacità dello studente di applicare le conoscenze acquisite all’analisi di problemi concreti. In particolare, potranno essere richieste la descrizione di un possibile caso d’uso dell’IA, la valutazione dei risultati prodotti da un sistema di IA, la discussione dei limiti di un modello, la formulazione di prompt, l’interpretazione di errori e bias, o la presentazione critica di un semplice prototipo o workflow.
La valutazione dell’esame è espressa in trentesimi e tiene conto della chiarezza espositiva, della comprensione dei concetti fondamentali, della capacità di applicare gli strumenti studiati a casi semplici, della capacità di valutare criticamente risultati e limiti dei sistemi di IA, e dell’eventuale qualità dell’elaborato applicativo. -
Sostenibilità:
-
Altre Informazioni:
E-mail: maurizio.parton@unich.it.
WhatsApp o Telegram: 349-5323-199.
Il corso di Intelligenza artificiale introduce i concetti fondamentali, gli strumenti e le principali applicazioni dell’intelligenza artificiale contemporanea, con particolare attenzione ai contesti economici, finanziari, aziendali e amministrativi.
In particolare, vengono presi in esame: i concetti generali di intelligenza artificiale, machine learning, deep learning e intelligenza artificiale generativa; il ruolo dei dati nella costruzione di modelli predittivi e generativi; i principi essenziali di addestramento, validazione e valutazione dei modelli; l’uso dei modelli linguistici di grandi dimensioni per attività di scrittura, sintesi, analisi di testi, classificazione, supporto all’analisi e analisi documentale; l’utilizzo degli LLM come strumenti di supporto alla programmazione e alla costruzione guidata di semplici prototipi.
Il corso propone esempi e attività applicative riferite a problemi di interesse economico-finanziario e aziendale, quali l’analisi di dati tabellari, la classificazione di informazioni, l’analisi di documenti, la valutazione di semplici modelli predittivi e l’uso di strumenti generativi a supporto dell’analisi e della preparazione di decisioni.
Il corso affronta inoltre i principali limiti dei sistemi di intelligenza artificiale, con riferimento all’affidabilità delle risposte, alla qualità dei dati, al rischio di errori e bias, alla necessità di verifica umana e all’uso consapevole degli strumenti di IA.
Fondamenti di intelligenza artificiale
° che cos’è oggi l’intelligenza artificiale;
° differenza tra intelligenza artificiale, machine learning, deep learning e intelligenza artificiale generativa;
° automazione tradizionale, modelli predittivi e modelli generativi;
° principali applicazioni dell’IA nei contesti economici, finanziari, aziendali e amministrativi;
° opportunità e limiti dell’IA in contesti non specialistici.
Dati, problemi e modelli
° dati strutturati e non strutturati;
° dal problema reale al problema di intelligenza artificiale;
° classificazione, previsione, clustering e generazione di contenuti;
° concetti essenziali di modello, addestramento, validazione e test;
° qualità dei dati, errori, bias e generalizzazione.
Machine learning essenziale
° idea di apprendimento dai dati;
° esempi guidati di modelli predittivi e classificativi;
° valutazione dei risultati: accuratezza, errore, falsi positivi e falsi negativi;
° overfitting e underfitting;
° interpretazione dei risultati in relazione al problema applicativo.
Intelligenza artificiale generativa e LLM
° modelli linguistici di grandi dimensioni;
° prompt, contesto, istruzioni ed esempi;
° uso degli LLM per scrittura, sintesi, classificazione, analisi di testi, tabelle e documenti;
° affidabilità delle risposte, hallucination e necessità di verifica;
° limiti degli LLM nei contesti economici, finanziari e aziendali.
Programmazione assistita da LLM
° uso degli LLM come supporto alla programmazione;
° lettura, modifica ed esecuzione guidata di semplici script o notebook;
° nozioni minime di Python per lavorare con dati e tabelle;
° uso dell’LLM per spiegare errori, correggere codice e documentare procedure;
° costruzione guidata di semplici workflow e piccoli prototipi di IA.
Applicazioni economico-finanziarie e aziendali
° analisi di dati tabellari e documentali;
° esempi di classificazione e previsione in ambito economico-finanziario;
° analisi e sintesi di testi, report e documenti;
° uso dell’IA come supporto alla valutazione di informazioni e alla preparazione di decisioni;
° presentazione dei risultati in forma chiara e coerente con il problema applicativo.
Limiti e uso consapevole dell’IA
° robustezza e affidabilità dei modelli;
° differenza tra previsione, spiegazione e decisione;
° rischio di errori, bias e uso improprio dei dati;
° importanza della verifica umana;
° criteri pratici per valutare quando usare o non usare strumenti di IA.
Attività applicativa
° progettazione o realizzazione guidata di un semplice caso d’uso di intelligenza artificiale in ambito economico-finanziario, aziendale o amministrativo;
° uso di strumenti di IA generativa e programmazione assistita;
° analisi di dati, testi o documenti;
° presentazione dei risultati in forma comprensibile e coerente con il problema affrontato;
° discussione dei benefici, dei limiti e dei rischi del caso d’uso sviluppato.
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
