ID:
00046R1
Durata (ore):
48
CFU:
6
SSD:
Informatica
Sede:
PESCARA
Anno:
2026
Dati Generali
Periodo di attività
Secondo Semestre (12/02/2027 - 12/05/2027)
Syllabus
Obiettivi Formativi
Il corso è volto a fornire conoscenze e competenze di base sull’intelligenza artificiale contemporanea, con particolare attenzione alla capacità di comprenderne i principi generali, utilizzarne alcuni strumenti operativi e valutarne criticamente risultati, limiti e possibili applicazioni in ambito economico, finanziario e aziendale.
In particolare, tale obiettivo è correlato ai seguenti risultati di apprendimento.
Conoscenza e comprensione – l’insegnamento intende fornire conoscenze riferite ai concetti fondamentali e al linguaggio di base dell’intelligenza artificiale. Lo studente dovrà comprendere la differenza tra intelligenza artificiale, machine learning, deep learning e intelligenza artificiale generativa; il ruolo dei dati nei sistemi di apprendimento automatico; il significato di modello, addestramento, validazione e test; i principali tipi di problemi affrontabili mediante strumenti di IA, quali classificazione, previsione, clustering, analisi di testi e generazione di contenuti. Lo studente dovrà inoltre comprendere, a livello concettuale e operativo, il funzionamento generale e i limiti dei modelli linguistici di grandi dimensioni.
Capacità di applicare conoscenza e comprensione – l’insegnamento intende favorire lo sviluppo della capacità di applicare le conoscenze acquisite all’analisi di semplici problemi economici, finanziari, aziendali o amministrativi nei quali possano essere utilizzati strumenti di intelligenza artificiale. Tale risultato si persegue attraverso esempi, esercitazioni guidate e attività applicative. Lo studente dovrà essere in grado di individuare possibili casi d’uso dell’IA, distinguere tra problemi predittivi, generativi e di supporto all’analisi, utilizzare in modo guidato strumenti di IA generativa, formulare prompt efficaci, interpretare criticamente le risposte ottenute e partecipare alla progettazione o alla realizzazione di semplici workflow o prototipi assistiti da LLM.
Autonomia di giudizio – il corso intende sviluppare la capacità di valutare criticamente l’uso dell’intelligenza artificiale in relazione al problema affrontato, alla qualità dei dati disponibili, all’affidabilità dei risultati, ai possibili errori e bias, e al ruolo della verifica umana nei processi di analisi e decisione.
Abilità comunicative – lo studente dovrà acquisire la capacità di descrivere con linguaggio appropriato i principali concetti dell’intelligenza artificiale, illustrando in modo chiaro il funzionamento generale degli strumenti utilizzati, le loro possibili applicazioni e i loro limiti.
Capacità di apprendimento – il corso intende fornire le basi per proseguire autonomamente l’approfondimento dell’intelligenza artificiale, anche attraverso la consultazione di testi introduttivi, documentazione tecnica, articoli divulgativi o scientifici e strumenti software di uso corrente.
Prerequisiti
Non sono richieste conoscenze preliminari avanzate di informatica o di programmazione.
Per agevolare la frequenza e l’apprendimento dei contenuti del corso sono utili conoscenze matematiche e statistiche di base, nonché familiarità con l’uso ordinario del computer, di fogli di calcolo e di strumenti digitali per la gestione di testi, dati e documenti.
Può essere utile, ma non obbligatorio, ripassare prima dell’inizio del corso nozioni elementari di statistica descrittiva, probabilità di base, uso di fogli di calcolo e gestione di file e tabelle.
Può inoltre essere utile acquisire familiarità con l’uso di notebook interattivi e con le funzioni di base di Python per la manipolazione di dati. Le nozioni minime di programmazione eventualmente necessarie per le attività applicative saranno comunque introdotte durante il corso in forma guidata, anche attraverso l’utilizzo di strumenti di programmazione assistita da modelli linguistici.
È infine consigliata, come preparazione facoltativa, una familiarità di base con strumenti di intelligenza artificiale generativa, limitatamente all’uso consapevole di prompt, alla verifica delle risposte e alla gestione di semplici attività di scrittura, sintesi e analisi di testi.
Metodi didattici
Lezioni frontali.
Esercitazioni guidate.
Presentazione e discussione di esempi applicativi relativi all’uso dell’intelligenza artificiale in contesti economici, finanziari, aziendali e amministrativi.
Attività pratiche assistite, finalizzate all’utilizzo di strumenti di IA generativa, all’analisi di dati o documenti e alla costruzione guidata di semplici workflow o prototipi.
Verifica Apprendimento
Conoscenza e comprensione – l’efficacia formativa dell’insegnamento è verificata attraverso una prova orale individuale e/o la discussione di un elaborato applicativo, secondo le indicazioni fornite dal docente all’inizio del corso. La prova orale consiste in domande riferite ai principali argomenti del programma, con l’obiettivo di accertare la conoscenza dei concetti fondamentali dell’intelligenza artificiale e la capacità dello studente di esporli in modo chiaro e corretto.
L’eventuale elaborato applicativo consiste nella discussione di un semplice caso d’uso di intelligenza artificiale, sviluppato individualmente o in gruppo secondo modalità indicate dal docente. L’elaborato potrà riguardare, ad esempio, l’analisi guidata di dati o documenti di interesse economico-finanziario o aziendale, la costruzione di un semplice workflow assistito da LLM, l’utilizzo di strumenti di IA generativa per attività di classificazione, sintesi o supporto all’analisi, oppure la progettazione di un piccolo prototipo.
Capacità di applicare conoscenza e comprensione – durante la prova d’esame il docente verifica inoltre la capacità dello studente di applicare le conoscenze acquisite all’analisi di problemi concreti. In particolare, potranno essere richieste la descrizione di un possibile caso d’uso dell’IA, la valutazione dei risultati prodotti da un sistema di IA, la discussione dei limiti di un modello, la formulazione di prompt, l’interpretazione di errori e bias, o la presentazione critica di un semplice prototipo o workflow.
La valutazione dell’esame è espressa in trentesimi e tiene conto della chiarezza espositiva, della comprensione dei concetti fondamentali, della capacità di applicare gli strumenti studiati a casi semplici, della capacità di valutare criticamente risultati e limiti dei sistemi di IA, e dell’eventuale qualità dell’elaborato applicativo.
Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.
Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell’appello, per conoscere le modalità di esame e le misure che sono accettate.
Per essere orientati e indirizzati ai diversi servizi offerti dall’Ateneo è possibile contattare il Docente Referente del Dipartimento, Prof. Domenico Raucci..
L’eventuale elaborato applicativo consiste nella discussione di un semplice caso d’uso di intelligenza artificiale, sviluppato individualmente o in gruppo secondo modalità indicate dal docente. L’elaborato potrà riguardare, ad esempio, l’analisi guidata di dati o documenti di interesse economico-finanziario o aziendale, la costruzione di un semplice workflow assistito da LLM, l’utilizzo di strumenti di IA generativa per attività di classificazione, sintesi o supporto all’analisi, oppure la progettazione di un piccolo prototipo.
Capacità di applicare conoscenza e comprensione – durante la prova d’esame il docente verifica inoltre la capacità dello studente di applicare le conoscenze acquisite all’analisi di problemi concreti. In particolare, potranno essere richieste la descrizione di un possibile caso d’uso dell’IA, la valutazione dei risultati prodotti da un sistema di IA, la discussione dei limiti di un modello, la formulazione di prompt, l’interpretazione di errori e bias, o la presentazione critica di un semplice prototipo o workflow.
La valutazione dell’esame è espressa in trentesimi e tiene conto della chiarezza espositiva, della comprensione dei concetti fondamentali, della capacità di applicare gli strumenti studiati a casi semplici, della capacità di valutare criticamente risultati e limiti dei sistemi di IA, e dell’eventuale qualità dell’elaborato applicativo.
Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.
Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell’appello, per conoscere le modalità di esame e le misure che sono accettate.
Per essere orientati e indirizzati ai diversi servizi offerti dall’Ateneo è possibile contattare il Docente Referente del Dipartimento, Prof. Domenico Raucci..
Testi
Il materiale di riferimento principale è costituito da dispense, slide, esempi guidati, notebook e documentazione tecnica resi disponibili o indicati dal docente durante il corso.
Durante lo svolgimento dell’insegnamento potranno essere segnalati articoli, risorse online, capitoli selezionati di testi introduttivi e documentazione ufficiale relativi agli strumenti di intelligenza artificiale, machine learning, intelligenza artificiale generativa e programmazione assistita utilizzati nelle lezioni e nelle attività applicative.
Lo studio integrale di manuali specifici non è richiesto; le parti effettivamente oggetto di studio saranno indicate dal docente.
Contenuti
Il corso di Intelligenza artificiale introduce i concetti fondamentali, gli strumenti e le principali applicazioni dell’intelligenza artificiale contemporanea, con particolare attenzione ai contesti economici, finanziari, aziendali e amministrativi.
In particolare, vengono presi in esame: i concetti generali di intelligenza artificiale, machine learning, deep learning e intelligenza artificiale generativa; il ruolo dei dati nella costruzione di modelli predittivi e generativi; i principi essenziali di addestramento, validazione e valutazione dei modelli; l’uso dei modelli linguistici di grandi dimensioni per attività di scrittura, sintesi, analisi di testi, classificazione, supporto all’analisi e analisi documentale; l’utilizzo degli LLM come strumenti di supporto alla programmazione e alla costruzione guidata di semplici prototipi.
Il corso propone esempi e attività applicative riferite a problemi di interesse economico-finanziario e aziendale, quali l’analisi di dati tabellari, la classificazione di informazioni, l’analisi di documenti, la valutazione di semplici modelli predittivi e l’uso di strumenti generativi a supporto dell’analisi e della preparazione di decisioni.
Il corso affronta inoltre i principali limiti dei sistemi di intelligenza artificiale, con riferimento all’affidabilità delle risposte, alla qualità dei dati, al rischio di errori e bias, alla necessità di verifica umana e all’uso consapevole degli strumenti di IA.
Lingua Insegnamento
Italiano
Altre informazioni
E-mail: maurizio.parton@unich.it.
WhatsApp o Telegram: 349-5323-199.
Corsi
Corsi
BUSINESS ADMINISTRATION
Laurea Magistrale
2 anni
No Results Found
Persone
Persone
Docenti di ruolo di Ia fascia
No Results Found