N° ID : 100C24-P
Rilevanza Sta diventando ogni giorno più chiaro che l'Intelligenza Artificiale (IA) rivestirà un ruolo importantissimo nel futuro dell'umanità (si pensi, ad esempio, alla discussione a livello mondiale intorno alle "macchine generative" basate sul Deep Learning, come ChatGPT e Dall-e, e su come queste cambieranno il lavoro e la società). Anche in ambito bio-medico stiamo assistendo a un'accelerazione nell'utilizzo delle tecniche di Deep Learning, ad esempio nel medical imaging, nel processamento di dati sanitari elettronici, nella genomica e nello sviluppo di farmaci. È fondamentale per un centro di ricerca, controllo e consulenza tecnico-scientifica come l'ISS rafforzare e aggiornare le proprie competenze interne (e metterle a disposizione di un pubblico più ampio) su un fronte tecnologico in così rapido sviluppo e con un impatto sulla salute pubblica potenzialmente dirompente. L'avvio di un percorso di formazione e la creazione di uno spazio di discussione sulle tematiche della IA e del Deep Learning rappresentano, in questo senso, un prerequisito fondamentale per sviluppare e affinare la capacità di rispondere alle ineluttabili sfide future in sanità pubblica che verranno da questo fronte.
Scopo e Obiettivi Il corso si propone di fornire tutti i concetti teorici di base e di far conoscere alcuni strumenti software di largo utilizzo nell’ambito del Deep Learning (principalmente il framework Pytorch), con particolare attenzione alle applicazioni biomediche. Alla fine del corso lo studente dovrebbe essere in grado di approfondire in autonomia qualunque tematica legata al Deep Learning; e, in uno specifico ambito applicativo, dovrebbe essere capace di trovare sul web esempi di codice rilevanti, di saperli comprendere e quindi adattare al problema di interesse.
Obiettivi specifici Al termine del corso, i partecipanti saranno in grado di:
- Spiegare cosa sia il Deep Learning e quali siano i suoi principali ambiti di utilizzo
- Illustrare le più importanti applicazioni del Deep Learning
- Seguire una serie di best practices nello sviluppo di sistemi di Deep Learning ed evitare gli errori metodologici più comuni
- Utilizzare Pytorch per lo sviluppo e l'implementazione di sistemi di Deep Learning di base.
| 27 Maggio | Aula Zampieri |
|---|---|
| 9.30 | Indroduzione al Machine Learning |
| 11.30 | Pipeline di addestramento supervisionato |
| 3 Giugno | Aula Zampieri |
|---|---|
| 9.30 | Apprendimento non-supervisionato |
| 10.30 | Esercitazione: Apprendimento non-supervisionato |
| 12.00 | Basi del Deep Learning |
| 10 Giugno | Aula Missiroli |
|---|---|
| 9.30 | Esercitazione: Basi del Deep Learning |
| 11.30 | Strategie per affrontare dati "difficili" |
| 10 Giugno | Aula Missiroli |
|---|---|
| 9.30 | Segmentazione e object detection |
| 11.30 | Explainability |
| 12.00 | Esercitazione: Explainability |
| 27 Giugno | Aula Nitti-Bovet |
|---|---|
| 9.30 | Seminari |