- Docente responsabile
- PIETRO PINOLI
- CCS proponenti
- Ingegneria Biomedica
- CFU
- 2
- Ore in presenza
- 22
- N° max studenti
- 60
- Criteri di selezione
- Precedenza a studenti di Bioinformatica e di Computer science
- Parole chiave:
- Federated Learning, PYTHON, artificial intelligence
- Tag
- Informatica, Intelligenza artificiale, Tecnologie dell'informazione
Descrizione dell'iniziativa
Obiettivi
L’iniziativa propone un percorso introduttivo e progressivo alla programmazione in Python, pensato per studentesse e studenti che desiderano acquisire competenze utili e immediatamente spendibili, anche in assenza di prerequisiti specifici. Il corso accompagna i partecipanti dalla configurazione dell’ambiente di lavoro e dai fondamenti del linguaggio fino all’analisi dei dati, ai primi modelli di machine learning e alle basi delle reti neurali.
Particolare attenzione sarà dedicata alla comprensione del ruolo che questi strumenti hanno oggi nella pratica ingegneristica e nella ricerca, con esempi e applicazioni di interesse anche per l’ambito biomedico. Nella parte finale del percorso verrà introdotto il tema del Federated Learning, presentato come paradigma moderno per l’apprendimento distribuito in contesti in cui privacy, sicurezza e gestione di dati sensibili assumono un’importanza centrale. L’obiettivo non è soltanto fornire competenze tecniche di base, ma anche offrire una comprensione accessibile e consapevole del valore di questi approcci emergenti.
Strumenti didattici
L’attività alternerà lezioni frontali brevi, esercitazioni guidate e momenti hands-on. Verranno utilizzati strumenti di lavoro comunemente impiegati in ambito accademico e professionale, tra cui terminale, Visual Studio Code, ambienti virtuali Python e librerie per programmazione scientifica, analisi dei dati e machine learning.
Il percorso sarà costruito in modo graduale, attraverso problemi applicativi, esercizi progressivi e attività di coding orientate alla pratica, con particolare attenzione alla chiarezza espositiva e all’accessibilità dei contenuti. L’obiettivo è offrire un’esperienza formativa seria e rigorosa, ma allo stesso tempo stimolante, concreta e capace di mostrare come Python possa diventare uno strumento creativo di progettazione, analisi e sviluppo. Saranno inoltre valorizzati il confronto in aula, la capacità di ragionare su casi reali e, ove possibile, brevi contributi esterni o casi studio utili a collegare i contenuti del corso ai contesti di ricerca e innovazione.
Criteri di superamento dell’attività
Il superamento dell’attività richiede la partecipazione ad almeno i due terzi delle lezioni e la presentazione di un progetto finale.
Il progetto finale potrà essere sviluppato su un argomento a scelta, individualmente o in gruppo, e avrà lo scopo di mostrare la capacità di utilizzare Python per ideare, strutturare e comunicare un sistema, un’applicazione o una soluzione a un problema di interesse scelto dai partecipanti. Il progetto potrà consistere nella realizzazione di un prototipo, nello sviluppo di una prova di concetto oppure nella presentazione strutturata di un’idea progettuale, purché emerga in modo chiaro la comprensione degli strumenti introdotti durante il corso e il loro possibile impiego in un contesto reale.
La presentazione finale costituirà quindi un momento conclusivo di sintesi e valorizzazione del percorso svolto, orientato non solo alla verifica dell’apprendimento, ma anche alla capacità di applicare in modo personale e consapevole i contenuti affrontati.
Periodo di svolgimento
dal Aprile 2026 a Giugno 2026
Calendario
Mercoledì 22/04 – Ambiente di lavoro, Jupyter Notebook, ambienti virtuali e introduzione a Python – 17:30 - 19:30
Giovedì 23/04 – Python di base: tipi di dato, strutture di controllo, liste e funzioni – 17:30 - 19:30
Mercoledì 29/04 – Programmazione a oggetti essenziale, file e gestione degli errori – 16:30 - 19:30
Mercoledì 06/05 – NumPy, Matplotlib e introduzione pratica a Pandas – 17:30 - 19:30
Mercoledì 13/05 – Fondamenti di Machine Learning e introduzione a PyTorch – 16:30 - 19:30
Mercoledì 20/05 – PyTorch: primo modello, training loop e avvio del progetto finale – 16:30 - 19:30
Mercoledì 27/05 – Neural Networks con PyTorch e classificazione di immagini – 16:30 - 19:30
Giovedì 28/05 – Introduzione al Secure Federated Learning con Flower – 17:30 - 19:30
Mercoledì 03/06 – Laboratorio finale e presentazione dei progetti – 17:30 - 19:30