LABORATORI DI SETTORE
(SCUOLA SUPERIORE)
VISUALIZZATI DI RECENTE
Sei un Dirigente Scolastico, DSGA o un Docente?
Semplifica il tuo lavoro! Iscriviti alla newsletter per restare aggiornato sulle nostre soluzioni per i bandi PON, PNSD, FESR, PAR e strumenti didattici innovativi.
Laboratorio di intelligenza artificiale BASE
cod. MePA:
SIADLAB4753
SIADLAB4753
Array
43994,00 €
IVA esclusa
Laboratorio di intelligenza artificiale BASE
Il laboratorio permette di introdurre gli studenti ai principi dell'Intelligenza Artificiale e del Machine Learning attraverso attività di programmazione, addestramento di modelli, classificazione, regressione e generazione di immagini da testo. Le workstation grafiche, TensorFlow, TensorBoard, Easy Diffusion e Visual Studio Code supportano un percorso che integra sviluppo algoritmico, analisi dei dati e sperimentazione con modelli AI. L'infrastruttura comprende inoltre rete didattica, NAS e dispositivi multimediali per la condivisione e la gestione dei progetti.
In sintesi
Machine Learning
Attività con TensorFlow e TensorBoard per classificazione, regressione, addestramento e monitoraggio dei modelli.
Programmazione AI
7 installazioni di Visual Studio Code per creare, strutturare, testare e debuggare progetti di Intelligenza Artificiale.
Generazione text-to-image
7 installazioni di Easy Diffusion per generare immagini da prompt testuali e analizzare i parametri di generazione.
Intelligenza Artificiale, Machine Learning e programmazione
Il laboratorio permette di affrontare in modo progressivo i fondamenti dell'Intelligenza Artificiale, delle reti neurali e del Machine Learning. Le workstation dedicate consentono di sviluppare e addestrare modelli e di analizzarne il comportamento attraverso gli strumenti software previsti.
TensorFlow viene utilizzato per attività di classificazione e regressione, mentre TensorBoard consente di monitorare l'apprendimento durante l'esecuzione degli esperimenti.
Visual Studio Code completa il percorso dedicato alla programmazione, permettendo di strutturare il codice, effettuare testing e debugging e organizzare i progetti AI.
Il percorso integra programmazione, reti neurali, classificazione, regressione, monitoraggio del training, generazione text-to-image e gestione condivisa dei progetti, fornendo una base operativa per lo studio dell'Intelligenza Artificiale.
Obiettivi didattici
- Studiare i principi fondamentali dell'Intelligenza Artificiale e del Machine Learning attraverso esercitazioni pratiche.
- Sviluppare e addestrare modelli di Machine Learning utilizzando piattaforme dedicate.
- Analizzare e visualizzare dati complessi attraverso strumenti di analisi e monitoraggio.
- Approfondire le tecniche di generazione di immagini da testo attraverso modelli di Intelligenza Artificiale.
- Acquisire competenze nell'utilizzo di ambienti di sviluppo integrati per la programmazione.
- Gestire e condividere progetti attraverso rete didattica, LAN e storage centralizzato.
- Formare docenti e studenti all'utilizzo delle attrezzature e dei software forniti.
Attività ed esperienze didattiche
Fondamenti di Machine Learning
Introduzione ai concetti chiave dell'IA, alle reti neurali artificiali e alle attività di classificazione e regressione.
Training e monitoraggio
Utilizzo di TensorFlow per lo sviluppo dei modelli e di TensorBoard per il monitoraggio del processo di apprendimento.
Sviluppo con IDE
Creazione di progetti in Visual Studio Code, strutturazione del codice, testing e debugging dei modelli.
Generazione di immagini con AI
Produzione di immagini da prompt testuali con Easy Diffusion e analisi dei parametri di generazione.
Collaborazione didattica
Utilizzo di Teach Lab per gestione, monitoraggio e collaborazione tra docente e studenti.
Dataset e condivisione
Archiviazione e condivisione di progetti e dataset attraverso NAS, rete LAN e infrastruttura centralizzata.
Competenze sviluppate
Le attività permettono di sviluppare competenze nella programmazione per l'Intelligenza Artificiale, nell'addestramento di modelli di Machine Learning e nell'analisi del processo di apprendimento.
Gli studenti possono inoltre sperimentare la generazione di immagini tramite AI, utilizzare strumenti IDE, organizzare workflow digitali e condividere dati e progetti attraverso l'infrastruttura di rete del laboratorio.
TensorFlow per classificazione e regressione
Google TensorFlow costituisce la piattaforma software prevista per la creazione e gestione di modelli di Machine Learning. Le attività comprendono esercitazioni di classificazione e regressione.
Gli studenti possono quindi sperimentare il processo di sviluppo e addestramento dei modelli all'interno delle workstation del laboratorio.
TensorBoard per monitorare l'apprendimento
TensorBoard viene utilizzato per il monitoraggio del processo di apprendimento dei modelli sviluppati con TensorFlow.
Gli studenti possono osservare i dati prodotti durante il training e utilizzare gli strumenti di visualizzazione previsti per analizzare l'andamento degli esperimenti.
Reti neurali artificiali
Le attività introduttive comprendono lo studio dei concetti chiave dell'IA e delle reti neurali artificiali, inserendoli nel percorso dedicato al Machine Learning.
Questi concetti vengono affrontati attraverso le esercitazioni pratiche previste con TensorFlow e gli strumenti di sviluppo disponibili.
Programmazione AI con Visual Studio Code
Le 7 installazioni di Visual Studio Code permettono di sviluppare i progetti di programmazione previsti dal laboratorio.
Le attività comprendono creazione e strutturazione del codice, testing, debugging e versionamento dei modelli.
Generazione di immagini da prompt testuali
Le 7 installazioni di Easy Diffusion permettono di sperimentare la generazione di immagini da testo attraverso modelli di Intelligenza Artificiale.
Gli studenti possono elaborare prompt, modificare i parametri di generazione e confrontare i risultati ottenuti durante le esercitazioni.
AI per applicazioni creative e comunicative
Le attività con Easy Diffusion permettono di approfondire l'impiego della generazione AI in contesti creativi e comunicativi.
Il percorso prevede l'analisi dei parametri di generazione e il confronto tra modelli nell'ambito delle esercitazioni previste.
Workstation dedicate allo sviluppo AI
Il laboratorio comprende una workstation grafica dedicata all'addestramento e alla gestione dei modelli AI e 6 workstation grafiche per le postazioni studenti.
Le 7 postazioni sono affiancate da 7 monitor desktop e supportano le attività di programmazione, Machine Learning e generazione di contenuti.
Monitor interattivo e webcam 4K
Il monitor interattivo è affiancato da una webcam 4K grandangolare con angolo di ripresa di 120° e microfoni omnidirezionali.
Questi dispositivi completano la dotazione multimediale del laboratorio e supportano la condivisione delle attività.
Document camera per acquisizione e condivisione
Le 6 document camera da 8 MP permettono di acquisire e condividere immagini e materiali utilizzati durante le attività di programmazione e Intelligenza Artificiale.
La dotazione consente di integrare materiali fisici e contenuti digitali nelle attività svolte sulle postazioni studenti.
Teach Lab per la gestione didattica
La configurazione comprende una licenza docente Teach Lab 7.6 e 6 licenze allievo Teach Lab.
Il sistema è destinato alla gestione, al monitoraggio e al supporto delle attività collaborative tra docente e studenti.
NAS per dataset e progetti AI
Il network attached storage comprende 2 SSD da 1 TB e 2 HDD da 4 TB ed è destinato all'archiviazione dei dataset AI e dei materiali di progetto.
Il NAS supporta le attività di condivisione dei file e di gestione centralizzata dei flussi di lavoro digitali.
Rete Gigabit e collegamento 10 Gbit/s
L'infrastruttura comprende uno switch da 24 porte Gigabit + 2 SFP+, configurabile Layer 2 e Layer 3, e un cavo patch Twinax 10 Gbit/s.
Sono inoltre previsti 8 punti rete LAN cablati con certificazione FLUKE DSX-602.
Impianto elettrico e postazioni cablate
Il laboratorio comprende un quadro di alimentazione elettrica certificato IP65 con interruttori magnetotermici differenziali.
Sono previste 8 postazioni elettrificate con canaline calpestabili e cablaggio certificato.
Formazione docenti sull'utilizzo del laboratorio
La configurazione comprende un corso di formazione per docenti della durata di 10 ore, dedicato all'utilizzo delle attrezzature e dei software AI forniti.
Componenti del laboratorio
| Q.tà | Descrizione |
|---|---|
| 1) Workstation per Machine Learning e sviluppo AI | |
| 1 | PC workstation grafica, per l'addestramento e la gestione dei modelli AI |
| 6 | PC workstation grafica, per le postazioni studenti |
| 2) Monitor e dispositivi multimediali | |
| 7 | Monitor desktop |
| 1 | Monitor interattivo |
| 1 | Webcam 4K grandangolare per monitor interattivo, con angolo di ripresa 120° e microfoni omnidirezionali |
| 6 | Document camera 8 MP, per l'acquisizione e la condivisione di immagini e materiali di programmazione |
| 3) Software per AI e Machine Learning | |
| 1 | Google TensorFlow + TensorBoard, piattaforma open-source per la creazione e la gestione di modelli di Machine Learning |
| 7 | Easy Diffusion, software di generazione immagini basato su AI da testo a immagine |
| 7 | Visual Studio Code, ambiente di sviluppo integrato per la programmazione AI |
| 4) Strumenti per la collaborazione didattica | |
| 1 | Licenza docente Teach Lab 7.6, per la gestione e il monitoraggio delle attività didattiche AI |
| 6 | Licenze allievo Teach Lab, per l'interazione e il supporto alla didattica AI |
| 5) Infrastruttura di rete e archiviazione | |
| 1 | Armadio rack a parete 15U, per la gestione della rete e dell'archiviazione dati |
| 1 | Switch 24 porte Gigabit + 2 SFP+, configurabile Layer 2 e Layer 3, per la connessione dei dispositivi di rete AI |
| 1 | Network attached storage con 2 SSD 1 TB e 2 HDD 4 TB, per l'archiviazione dei dataset AI |
| 1 | Cavo patch Twinax 10 Gbit/s, per connessioni di rete ad alta velocità |
| 8 | Punti rete LAN cablati con certificazione FLUKE DSX-602 |
| 6) Impianti e alimentazione elettrica | |
| 1 | Quadro di alimentazione elettrica certificato IP65, con interruttori magnetotermici differenziali |
| 8 | Postazioni elettrificate con canaline calpestabili e cablaggio certificato |
| 7) Arredi e organizzazione dello spazio | |
| 1 | Cattedra docente angolare 180x160 cm, con canalizzazioni per i cablaggi |
| 1 | Poltroncina docente con braccioli e schienale regolabile |
| 8 | Banchi trapezoidali con gambe fisse, per le postazioni di lavoro |
| 12 | Poltroncine su ruote con regolazione in altezza e supporto lombare |
| 1 | Armadio metallico con ante scorrevoli 180x45x200 cm, per la conservazione di materiali e documentazione |
| 8) Formazione e supporto | |
| 1 | Corso di formazione per docenti (10 ore), per l'utilizzo delle attrezzature e dei software AI |
Domande sul laboratorio
Quali strumenti vengono utilizzati per il Machine Learning?
Il laboratorio utilizza Google TensorFlow e TensorBoard per la creazione, l'addestramento e il monitoraggio dei modelli di Machine Learning.
È possibile generare immagini con l'Intelligenza Artificiale?
Sì. Sono previste 7 installazioni di Easy Diffusion dedicate alla generazione di immagini da prompt testuali e all'analisi dei parametri di generazione.
Quale ambiente viene utilizzato per la programmazione?
La dotazione comprende 7 installazioni di Visual Studio Code per creazione, testing, debugging e versionamento dei progetti AI.
È prevista formazione per i docenti?
Sì. La configurazione comprende un corso di formazione di 10 ore dedicato all'utilizzo delle attrezzature e dei software AI forniti.
Da oltre 30 anni la SIAD srl è specializzata nella progettazione e realizzazione di laboratori didattici tecnici e scientifici per il mondo scuola. Scopri tutte le soluzioni didattiche innovative. Arredo scolastico, monitor interattivo, robotica educativa e coding, software didattico, notebook, tablet, pc desktop, visore per realtà virtuale e aumentata, drone, schede programmabili, elettronica educativa, stampante 3D, plotter e altri strumenti per Fab Lab, laboratori STEM, laboratorio di automazione, laboratorio di elettronica, laboratorio di educazione ambientale, laboratorio di agraria, laboratorio di chimica, laboratorio di biologia, laboratori di fisica, laboratorio artistico, laboratorio musicale, laboratorio linguistico, laboratorio multimediale e molto altro.
La nostra mission
Promuovere e introdurre le tecnologie didattiche a servizio degli studenti ed educatori, supportandoli nei progetti, nella realizzazione e nell’evoluzione della scuola del futuro.
