DESCRIZIONE
Laboratorio di Intelligenza Artificiale Base progettato per fornire un ambiente completo e attrezzato per lo studio e l’applicazione delle tecnologie di intelligenza artificiale e machine learning. Grazie all'utilizzo di strumenti hardware e software avanzati, il laboratorio permette di sviluppare, addestrare e testare modelli di machine learning, garantendo un’esperienza didattica e pratica all’avanguardia.
Il Laboratorio fornisce agli studenti le competenze necessarie per comprendere e applicare i principi dell’intelligenza artificiale in contesti reali. Attraverso l’uso di potenti workstation, monitor interattivi, software di machine learning e strumenti di sviluppo, il laboratorio consente di simulare scenari reali e migliorare le metodologie di analisi dati e sviluppo algoritmico.
OBIETTIVI
- Studiare i principi fondamentali dell’intelligenza artificiale e del machine learning attraverso esercitazioni pratiche;
- Sviluppare e addestrare modelli di machine learning utilizzando piattaforme avanzate;
- Analizzare e visualizzare dati complessi attraverso strumenti di visualizzazione e analisi;
- Approfondire le tecniche di generazione di immagini da testo utilizzando modelli di intelligenza artificiale;
- Acquisire competenze nell’uso di ambienti di sviluppo integrati (IDE) per la programmazione;
- Formare docenti e studenti all’utilizzo delle attrezzature e dei software forniti.
COMPONENTI
1) Workstation per Machine Learning e sviluppo AI
- pc workstation grafica, per l’addestramento e la gestione dei modelli AI;
- nr. 6 pc workstation grafica, per le postazioni studenti.
2) Monitor e dispositivi multimediali
- nr. 7 monitor desktop;
- monitor interattivo;
- webcam 4K grandangolare per monitor interattivo, con angolo di ripresa 120° e microfoni omnidirezionali;
- nr. 6 document camera 8 MP, per l’acquisizione e la condivisione di immagini e materiali di programmazione.
3) Software per AI e Machine Learning
- Google TensorFlow + TensorBoard, piattaforma open-source per la creazione e la gestione di modelli di Machine Learning;
- nr. 7 Easy Diffusion, software di generazione immagini basato su AI da testo a immagine;
- nr. 7 Visual Studio Code, ambiente di sviluppo integrato per la programmazione AI.
4) Strumenti per la collaborazione didattica
- licenza docente Teach Lab 7.6, per la gestione e il monitoraggio delle attività didattiche AI;
- nr. 6 licenze allievo Teach Lab, per l’interazione e il supporto alla didattica AI.
5) Infrastruttura di rete e archiviazione
- armadio rack a parete 15U, per la gestione della rete e dell’archiviazione dati;
- switch 24 porte Gigabit + 2 SFP+, configurabile Layer 2 e Layer 3, per la connessione dei dispositivi di rete AI;
- network attached storage con nr. 2 SSD 1 TB e nr. 2 HDD 4 TB, per l’archiviazione dei dataset AI;
- cavo patch Twinax 10 Gbit/s, per connessioni di rete ad alta velocità;
- nr. 8 punti rete LAN cablati con certificazione FLUKE DSX-602.
6) Impianti e alimentazione elettrica
- quadro di alimentazione elettrica certificato IP65, con interruttori magnetotermici differenziali;
- nr. 8 postazioni elettrificate con canaline calpestabili e cablaggio certificato.
7) Arredi e organizzazione dello spazio
- cattedra docente angolare 180x160 cm, con canalizzazioni per i cablaggi;
- poltroncina docente con braccioli e schienale regolabile;
- nr. 8 banchi trapezoidali con gambe fisse, per le postazioni di lavoro;
- nr. 12 poltroncine su ruote con regolazione in altezza e supporto lombare;
- armadio metallico con ante scorrevoli 180x45x200 cm, per la conservazione di materiali e documentazione.
8) Formazione e supporto
corso di formazione per docenti (10 ore), per l’utilizzo delle attrezzature e dei software AI.
ATTIVITÀ DIDATTICHE
Fondamenti di Intelligenza Artificiale e Machine Learning
- introduzione ai concetti chiave dell’IA e alle reti neurali artificiali;
- classificazione e regressione con TensorFlow;
- utilizzo di TensorBoard per il monitoraggio dell’apprendimento.
Sviluppo e programmazione con ambienti IDE
- creazione di progetti in Visual Studio Code;
- strutturazione del codice per progetti AI;
- testing, debugging e versionamento dei modelli.
Generazione di contenuti tramite intelligenza artificiale
- utilizzo di Easy Diffusion per la creazione di immagini da prompt testuali;
- analisi dei parametri di generazione e confronto tra modelli;
- applicazioni in ambito creativo e comunicativo.
Gestione e condivisione dei progetti in ambiente didattico
- utilizzo di Teach Lab per attività collaborative tra docente e studenti;
- archiviazione e condivisione dei progetti tramite NAS e rete LAN;
- gestione dei flussi di lavoro digitali e delle risorse multimediali.
