Accedi e iscriviti
«Vedere» con le macchine: visione artificiale e applicazioni per le Digital Humanities
«Vedere» con le macchine: visione artificiale e applicazioni per le Digital Humanities
Descrizione del corso
Il corso offre un’introduzione ai concetti fondamentali della computer vision, con un’attenzione particolare alle tecniche che permettono alle macchine di comprendere e interpretare il mondo visivo. Dopo aver presentato i principi alla base dell’analisi delle immagini digitali, dalle nozioni di pixel e feature fino ai primi metodi di riconoscimento, il corso si concentra sul deep learning, approfondendo il funzionamento delle convolutional neural networks e dei principali modelli per la classificazione e l’individuazione di oggetti. Vengono inoltre affrontati i più recenti sviluppi nel campo, in particolare modelli generativi e vision language models. L’ultima parte del corso è dedicata alle applicazioni nelle digital humanities, mostrando come le tecniche studiate supportino la valorizzazione del patrimonio storico e artistico.
Carico di lavoro totale del corso: 21 ore
Questo MOOC è stato prodotto nell’ambito del progetto Edvance - Digital Education Hub per la Cultura Digitale Avanzata. Il progetto è finanziato dall’Unione europea - Next Generation EU, Componente 1, Investimento 3.4 “Didattica e competenze universitarie avanzate".
Risultati di Apprendimento Attesi
Al termine di questo corso, sarai in grado di:
- Capire i fondamenti della computer vision: comprendere che cosa significa per una macchina analizzare un’immagine, distinguere tra pixel, feature e descrittori, identificare le principali applicazioni e il passaggio dai metodi tradizionali al deep learning.
- Analizzare immagini digitali: comparare tecniche di estrazione di feature e riconoscimento visivo, capire il funzionamento delle convolutional neural networks e interpretarne le metriche di valutazione.
- Analizzare le tecniche avanzate di visione computazionale: categorizzare modelli per object detection, tracking e segmentazione, esaminare il ruolo dei modelli generativi e dei vision language models e identificare approcci come zero-shot classification.
- Applicare la visione artificiale alle digital humanities: utilizzare strumenti come l’OCR, interpretare metodi per la segmentazione di manoscritti medievali e modelli come CLIP per classificare e ricercare opere e stili artistici. Valutare le potenzialità della computer vision nella valorizzazione del patrimonio culturale.
ESCO: visione artificiale ESCO: principi di intelligenza artificialeESCO: programmi e qualifiche interdisciplinari inerenti alle tecnologie dell'informazione e della comunicazione
Prerequisiti
Conoscenza base dei fondamenti di informatica
Attività
- Visione di 9 videolezioni (10 minuti ciascuna) suddivise in 3 Week tematiche
- Lettura di materiali di approfondimento selezionati per ogni Week
- Completamento di 3 quiz settimanali di autovalutazione
- Completamento di 1 quiz finale di autovalutazione
Schema della sezione
-
-
Nella prima settimana affronteremo i fondamenti della computer vision, dalle immagini digitali alle feature, fino ai modelli di deep learning per la classificazione e l’object detection. Vedremo come si passa dai pixel al significato e perché le reti neurali convoluzionali sono oggi al centro dei sistemi di visione.
-
Nella seconda settimana entreremo nelle tecniche avanzate: studieremo le convolutional neural networks, le metriche di valutazione, e i modelli per detection, tracking e segmentazione. Esploreremo inoltre la visione generativa, dai diffusion models ai modelli multimodali come CLIP, che collegano immagini e linguaggio e permettono ricerche e classificazioni zero-shot.
-
La terza settimana sarà dedicata alle applicazioni nelle Digital Humanities. Ci concentreremo sull’Historical Document Processing, sul riconoscimento automatico della scrittura storica e sull’analisi iconografica delle opere d’arte, mostrando come OCR, HTR e modelli avanzati permettano di trasformare archivi visivi in dati interrogabili.
-
-
Trascrizioni video Cartella
-
Slide Cartella
-
Bibliografia di approfondimento Cartella
-
Valutazione
Il corso prevede l’erogazione di un Open Badge rispondendo correttamente ad almeno il 60% delle domande in ciascuno dei quiz valutati e rispondendo al questionario finale.
Una volta completate le attività richieste potrai accedere a “Ottieni l’Open Badge”, avviando il rilascio del badge. Le indicazioni per accedere al badge saranno inviate al tuo indirizzo e-mail.
L’Open Badge non è un certificato ufficiale e non dà diritto a crediti universitari, a voti o a diplomi.
Attestato
Il corso prevede l’erogazione di un Open Badge rispondendo correttamente ad almeno il 60% delle domande in ciascuno dei quiz valutati e rispondendo al questionario finale.
Una volta completate le attività richieste potrai accedere a “Ottieni l’Open Badge”, avviando il rilascio del badge. Le indicazioni per accedere al badge saranno inviate al tuo indirizzo e-mail.
L’Open Badge non è un certificato ufficiale e non dà diritto a crediti universitari, a voti o a diplomi.
Accesso al corso e disponibilità dei materiali
Il corso è erogato in modalità online e gratuito.
Docenti del corso
Paolo Sernani
Docente
Professore Associato presso il Dipartimento di Giurisprudenza dell’Università di Macerata. Ha conseguito il dottorato di ricerca in Ingegneria dell’Informazione presso l’Università Politecnica delle Marche nel marzo 2016, discutendo una tesi dal titolo “Design and virtualization of intelligent systems for the management of assistive environments”, dedicata all’applicazione dei sistemi multi-agente alla gestione di ambienti intelligenti assistivi. I suoi principali ambiti di ricerca includono i sistemi esperti, il deep learning e le tecniche ibride.
Contatti
Per qualsiasi informazioni sui corsi o per problemi tecnici scrivi a pok@polimi.it o consulta la pagina delle FAQ.