Scheda insegnamento

Prerequisiti

Si richiede la comprensione della lingua italiana orale e scritta al livello B2 del QCER. Se necessario, e in particolare se segnalato nei colloqui in ingresso, gli studenti devono avvalersi del servizio di tutorato linguistico alla pari offerto dall’Ateneo.

È inoltre importante e utile aver sostenuto gli esami degli insegnamenti Fondamenti di Informatica Umanistica e Informatica Umanistica, previsti agli anni I e II del corso di laurea.

Obiettivi formativi - Risultati di apprendimento attesi

L’insegnamento si pone gli obiettivi di:

• fornire conoscenze di base della programmazione e coding;
• fornire conoscenze elementari di intelligenza artificiale;
• sviluppare abilità d'uso di alcuni software per l'intelligenza artificiale.

Contenuto del corso

Gli argomenti trattati nel corso sono:

• introduzione alla programmazione e al coding tramite il linguaggio di programmazione Python;
• metodologie di analisi dei dati;
• introduzione alle principali metodologie di intelligenza artificiale predittiva;
• introduzione alle principali metodologie di intelligenza artificiale generativa con particolare riferimento ai large language models;
• implementazione di semplici workflow di intelligenza artificiale tramite software visuali;
• tecniche di prompt engineering per i large language models.

Metodi didattici

L’insegnamento prevede sia aspetti teorici che esercitazioni pratiche. Le lezioni teoriche saranno improntate all’acquisizione di conoscenze elementari inerenti la programmazione e i metodi di intelligenza artificiale, sia predittiva sia generativa. Ogni lezione teorica sarà seguita da un'esercitazione pratica riguardante l'utilizzo di strumenti software, quali: un ambiente di programmazione Python, il software Orange per la realizzazione di semplici workflow visuali di intelligenza artificiale, il software LM Studio per lavorare facilmente con i large language models.

Gli studenti non frequentanti avranno la possibilità di consultare il materiale reso disponibile dal docente sulla piattaforma digitale di Ateneo di supporto alla didattica e di replicare le esercitazioni svolte in aula informatica utilizzando i software open-source qui sopra elencati.

Verranno utilizzate le piattaforme digitali LOL e Teams, che potranno venire adoperate anche per modalità di didattica a distanza secondo le indicazioni elaborate dai CdS.

Agli studenti che abbiano depositato in Segreteria certificazioni di disabilità o DSA si consiglia di contattare all’inizio del corso il/la docente, anche attraverso il Servizio disabilità e DSA di Ateneo (https://www.unistrapg.it/it/vivere-il-campus/servizi/servizi-per-studenti-con-dsa-e-disabilita, mail: sdda@unistrapg.it) per concordare misure compensative e/o dispensative di adattamento della didattica.

Metodi di accertamento

L’accertamento dei risultati di apprendimento consisterà nella realizzazione di un progetto da discutere e presentare al docente nella data dell'appello d'esame.

Per gli studenti con certificazioni di disabilità o DSA le modalità d’esame saranno concordate in relazione alle specifiche esigenze, sentito il parere della Commissione per le differenze e l’inclusione.

Testi di esame

Sia gli studenti frequentanti che non, potranno consultare gli appunti e i materiali digitali messi a disposizione sulla piattaforma digitale di Ateneo di supporto alla didattica. Altri testi e documentazioni utili (soprattutto agli studenti non frequentanti) sono:

• Documentazione online del software Orange, disponibile al link https://orangedatamining.com/docs/,
• William Mattingly, Introduction to Python for Humanists - 1st Edition, Chapman & Hall/CRC The Python Series, 2023. ISBN: 978-1032377902. Anche disponibile alla consultazione e download gratuiti al link https://python-textbook.pythonhumanities.com/.

Testi di consultazione e approfondimento

Per approfondimenti riguardo all'intelligenza artificiale: Tom Taulli, Artificial Intelligence Basics: A Non-Technical Introduction, Apress, 2023. ISBN: 978-1484250273.

Ulteriori testi saranno consigliati e/o messi a disposizione sulla piattaforma digitale di Ateneo di supporto alla didattica a seconda delle specifiche esigenze di chiarimento e/o approfondimento manifestate dagli studenti.

Altre informazioni

È fortemente raccomandata una regolare frequenza.

Il ricevimento studenti è tramite appuntamento da concordare preventivamente via email.

E-mail del docente: valentino.santucci@unistrapg.it.