Corsi anno accademico 2024/25

Service Orchestration and Industrial IoT Platforms for Industry 4 and 5.0 environments

Questo corso di dottorato offre un'esplorazione approfondita delle piattaforme di orchestrazione dei servizi e dell'Industrial Internet of Things (IIoT), fondamentali per la prossima ondata di rivoluzione industriale segnata dall'Industria 4.0 e dall'Industria 5.0. Con l'evoluzione del panorama industriale, il passaggio dall'Industria 4.0 all'Industria 5.0 segna una transizione significativa verso sistemi più intelligenti, interconnessi e incentrati sull'uomo. Questo corso si propone di fornire una comprensione approfondita di questi progressi e delle loro applicazioni pratiche in ambienti industriali reali. Il corso "Service Orchestration and Industrial IoT Platforms for Industry 4.0 and 5.0 Environments" si propone di fornire agli studenti i concetti chiave dell'Industria 4.0 e 5.0 e le loro differenze, i principi e le tecniche di orchestrazione dei servizi. Inoltre, il corso fornirà una conoscenza completa delle architetture, dei protocolli e delle piattaforme IIoT, compreso il ruolo del Cloud Continuum nel miglioramento delle applicazioni industriali. Infine, si esploreranno casi d'uso industriali reali basati che sfruttano i concetti visti e approfonditi nel corso.

Containerisation and Orchestration for Research Reproducibility

Guaranteeing reproducibility of results is quintessential for quantitative research.
Nowadays, more and more research fields require writing software as part of the experimental setup.
In Computer Science and AI, in particular, software is not only a tool for Science, but most commonly the subject of the study too.
To guarantee reproducibility of software experiments, it is paramount for researchers to make it as simple as possible to restore the computational environment in a deterministic way.
Containerisation and orchestration — as supported by the Docker technology — are powerful abstractions to serve this purpose.
Accordingly, in this course, we present both the theory and practice of containerization and orchestration, with a focus on how to make data-science experiments automatically reproducible.

Ulteriori informazioni in arrivo.

Multi-platform Programming for Research-Oriented Software

Programming is becoming a central activity in research, far beyond the realm of computer science. Mainstream programming languages are flourishing around well-identifiable communities and well-established programming platform. For instance, i) Python is the language of Data Science, ii) JavaScript targets the Web, and iii) the JVM is often the primary choice among multi-agent systems, logic-based technologies, as well as backend and mobile development. Along this line, in order to maximize the reach of research-oriented software, it is of paramount importance to write code supporting as much platforms (and languages) as possible. Of course, maintaining multiple codebases is a no-go, and this is why researchers often focus on particular platforms—hence limiting their potential audience. Accordingly, in this course we present approaches and best-practices for multi-platform programming, where the same codebase is made available on multiple platforms, minimizing rewriting of code while maximizing portability.

Ulteriori informazioni in arrivo.

Toward Next-Generation Networks - 5G and O-RAN implementations

Il corso di dottorato "Implementazioni Moderne delle Reti Mobili e il Modello O-RAN" fornisce una comprensione avanzata delle reti mobili contemporanee. Copre gli standard 3GPP, i modelli di deployment per la rete 5G Core e l'architettura della rete di accesso radio (RAN), inclusa la sua disaggregazione. Il corso esplora il modello O-RAN, che promuove flessibilità e interoperabilità nelle reti radio. Attraverso lezioni teoriche, gli studenti acquisiranno competenze per progettare, implementare e ottimizzare reti mobili avanzate, preparandosi a diventare esperti nel settore delle telecomunicazioni.

Ulteriori informazioni in arrivo.

How to Write and Publish a Research Paper in Computer Science and Engineering

This is an introductory level course suitable for junior Ph.D. students who are new to scientific publishing in computer science and engineering. The aim is to give practical advice on writing about research work and getting it published in today’s competitive scientific world. After introducing the necessary backgroud on publising, the course will cover the key issues around structuring a paper and deciding the contents, the writing, and the publication phase. The course is meant to be higly interactive. Students requiring an exam will be asked to put some advice into practice and get involved in drafting a short research paper and in its reviewing process.

Ulteriori informazioni in arrivo.

Human-AI Interaction

Questo corso si propone di presentare i principali concetti relativi alla Human-AI interaction. Con il continuo miglioramento delle sue capacità di percepire, comprendere, reagire e apprendere, l’Intelligenza Artificiale viene utilizzata in ambiti che un tempo erano esclusivi degli esseri umani, sfocando i confini tra gli esseri umani e gli artefatti IT. Dopo aver presentato alcune informazioni di base (ad esempio, nozioni di Human-Computer Interaction, approcci xAI, ...), il corso tratterà le possibili questioni su come dovrebbe essere progettata l'interazione tra utenti e un sistema di IA generale, tenendo conto di diversi fattori chiave.

Ulteriori informazioni in arrivo.

Robust and Reproducible Experimental Deep Learning Setting

With the advent of deep learning techniques and hardware breakthroughs, a lot of scientific papers focus on contributing novel methods, strategies, tasks, and approaches in a wide variety of domains. One major bottleneck when developing novel research ideas is to define adequate experiments. Researchers aim to define experiments that corroborate their initial hypotheses. Nonetheless, depending on the setup, defining such experiments may be non-trivial or, more in general, prone to common errors. In this course, we’ll introduce different evaluation procedures for assessing a model’s performance (evaluation routines, controlled multi-seeding, evaluation criteria) and overview different experimental research scenarios. Additionally, we’ll also provide advanced coding recommendations for defining a correct experimental setup. We’ll use popular deep-learning libraries like Tensorflow and Pytorch. This course is recommended for researchers who are experienced with Python programming and any deep learning framework (Keras, Tensorflow, Torch). See Section Prerequisites for more details.

Ulteriori informazioni in arrivo.

Data Visualization for Researchers: theory and new approaches to enhance communication and dissemination

Questo corso mira a presentare i fondamenti della Data Visualization per fornire agli studenti le competenze necessarie per creare una visualizzazione efficace in grado di migliorare la comunicazione e la diffusione di dati e risultati scientifici. Il corso tratterà anche i principi, le tecniche e i nuovi approcci della Data Visualization, combinando lezioni teoriche con attività pratiche. Infine, il corso presenterà alcune considerazioni etiche sulla Data Visualization.

Ulteriori informazioni in arrivo.

Cutting-Edge Text Mining: from Consolidated Natural Language Processing Methods to Advanced Large Language Models

Il corso presenta i fondamenti del text mining per fornire agli studenti le competenze necessarie per conoscere ed affrontare i downstream task più importanti nell'elaborazione del linguaggio naturale. Per garantire che i contenuti siano facilmente accessibili, il corso introduce metodicamente una selezione dei più rilevanti modelli, metodi, tecniche ed algoritmi che hanno plasmato la disciplina, insieme alle continue innovazioni che hanno portato allo sviluppo degli attuali large language model generativi (LLM). Il corso esamina le ultime innovazioni dei modelli generativi, evidenziando le loro funzionalità, limiti, applicazioni ed i concetti teorici che potrebbero alimentare i futuri progressi tecnologici. Al termine, gli studenti conosceranno sia i principi essenziali della disciplina sia tecniche avanzate ed efficienti per utilizzare ed addestrare i moderni large language model compressi in contesti pratici e nella ricerca accademica. Il corso fornirà inoltre una panoramica delle prospettive di ricerca attuali più promettenti nel settore, offrendo spunti sulla frontiera dei progressi e sulle tendenze emergenti, dalla knowledge-enhanced NLP, al reasoning differenziabile e explainability, fino alle capacità cognitive emergenti dei nuovi LLM.

Ulteriori informazioni in arrivo.