AI ENGINEERING

Fondamenti di informatica (12 CFU)
Il corso introduce gli studenti ai concetti teorici e pratici alla base del funzionamento dei moderni calcolatori e della programmazione. Attraverso lo studio dell’architettura dei computer, degli algoritmi e dei linguaggi di programmazione, gli studenti imparano a progettare soluzioni informatiche efficienti, a sviluppare programmi in Java, a comprendere, analizzare e ottimizzare algoritmi, utilizzare correttamente la terminologia tecnica e acquisire autonomia nell’apprendimento e nell’uso degli strumenti digitali.

Modelli matematici e statistici per l’intelligenza artificiale (6 CFU)
Il corso introduce gli studenti ai fondamenti teorici e pratici della modellazione matematica e statistica nell’ambito dell’AI. Il percorso sviluppa le competenze per rappresentare, analizzare e interpretare fenomeni complessi, comprendere e applicare modelli predittivi, selezionare tecniche di machine learning adeguate e comunicare i risultati ottenuti in modo chiaro ed efficace.

Sistemi di IA Generativa (9 CFU)
Il corso offre una panoramica approfondita sull’AI Generativa (Gen AI), con un’introduzione ai modelli linguistici di grandi dimensioni (LLM), agli agenti intelligenti e ai principali attori del settore e alle tecnologie attualmente disponibili. Focus del corso è l’applicazione concreta di questi strumenti all’interno di processi e soluzioni aziendali. Per le attività pratiche si usano strumenti come Google Colab, OpenAI, LangChain, CrewAI, con Python come linguaggio di riferimento.

Introduzione all’Intelligenza Artificiale e Machine Learning (9 CFU)
Il corso introduce i concetti fondamentali dell’IA e del Machine Learning, fornendo una panoramica storica, teorica ed etica di queste tecnologie. Attraverso l’uso pratico di strumenti come Google Colab e Python, gli studenti imparano a gestire i dati, applicare modelli di apprendimento supervisionato e non supervisionato, e valutare le prestazioni dei modelli con metriche appropriate.

Modulo 1: Costruzione di Reti Neurali (Dal percettrone al mHC)
Dalle basi del percettrone ai modelli avanzati, con focus su implementazione pratica, training e sperimentazione di architetture deep learning.

Modulo 2: Costruzione di Agenti esperti (Travel Planner uso LangGraph)
Progettazione di un assistente conversazionale con LangGraph, workflow a grafo, tool usage e interfaccia demo in Streamlit.

Modulo 3: Costruzione di un’architettura aziendale
Sviluppo di una pipeline RAG enterprise con CrewAI, integrazione delle fonti, citazioni, valutazione e hardening per l’uso in azienda.

Modulo 4: Costruzione di un sistema e2e con Vibe Coding avanzato
Realizzazione di un sistema full-stack con Roo Code, dal requisito al deployment, integrando web, mobile, backend e test automatici.

Modulo 5: Supporto alla programmazione tradizionale con Claude Code (C#)
Uso di Claude Code come pair programmer per refactoring, debugging, testing e documentazione tecnica in ambiente C#/.NET.

Modulo 6: Architettura Node.js end-to-end: requisiti → prototipo → piano
Definizione di requisiti, PRD, architettura, data model e API contract per progettare un sistema Node.js completo.

Modulo 7: Node.js Full-Stack Delivery: Front end + Backend + API
Sviluppo dell’applicazione web completa con front end moderno, backend strutturato, integrazione database, autenticazione e versioning.

Modulo 8: Node.js Advanced: Servizi AI, pubblicazione e manutenzione
Integrazione di agenti AI, automazioni e audio; deploy, logging, monitoring e gestione operativa del sistema.

Modulo 9: Sviluppo Mobile con React Native (Expo)
Creazione di un’app mobile React Native che consuma le API sviluppate: navigazione, stato, storage locale, autenticazione e build/release.