- Docente: Marco Roccetti
- Crediti formativi: 6
- SSD: INF/01
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea Magistrale in Informatica (cod. 5898)
Conoscenze e abilità da conseguire
Il Corso propone prospettive umano-centriche come approccio innovativo per analizzare, valutare e comprendere modelli decisionali basati sul machine learning (ML). Al termine del corso, obiettivo didattico da perseguire è mettere il discente nella condizione di comprendere che interpretazioni puramente computazionali di modelli di ML potrebbero rivelarsi insufficienti e/o non accettate dalle persone. Viceversa, una riflessione sul ruolo e la qualità delle informazioni e una valorizzazione della relazione persone-dati-algoritmi possono portare alla realizzazione di modelli di ML più efficaci, più comprensibili e più accettabili sul piano umano. Sarà evidenziato, in particolare, come la prospettiva di una disciplina del Data Science, attenta alle esigenze delle persone, possa essere perseguita evitando di porre scarsa attenzione sulla qualità dei dati, sul significato profondo del loro uso, e sul coinvolgimento della componente di competenze umane.
Contenuti
Human data science integra lo studio dei dati e della loro elaborazione automatica con il coinvolgimento degli umani per ampliare l'ecosistema di conoscenze a nostra disposizione e renderlo concretamente fruibile, non solo in termini di collegamento tra database ma anche tra le persone e le idee. Verrano, a questo proposito, presentati diversi casi di studio nei seguenti ambiti: :
- Datification and interaction with special data (e.g., medical)
- Human-AI collaboration workflow
- Predictive intelligence
- Data driven prescient modeling
- Human-Machine interaction loop. Interactive Interfaces. Bigdata-human interaction
- Human-assisted Bigdata analysis
- Human-Machine collaboration in Bigdata
- Models for humans and machines / Machine learning
- Human factors and ELSI (ethical, legal and social issues) in human-in-the-loop systems
- Human-machine teaming in real-world problems including: health, transportation, cultural heritage, entertainment etc
Testi/Bibliografia
Il docente renderà disponibile ad ogni lezione paper e report scientifici relativi all'argomento trattato
Metodi didattici
Lezioni frontali e discussioni di progetti in classe
Modalità di verifica e valutazione dell'apprendimento
L'esame di fine corso mira a valutare il raggiungimento degli obbiettivi didattici prefissati e in particolare a misurare se lo studente possieda gli strumenti concettuali e tecnici per progettare e sviluppare sistemi alla luce del contesto definito da human data science.
In particolare l'esame consiste in un progetto il cui svolgimento e' come segue. Durante il corso, il docente, direttamente o tramite ospiti esterni chiamati a tenere seminari, esemplifica alcuni casi di studio, la soluzione dei problemi dei quali può essere perseguita alla luce degli argomenti trattati durante il corso.
Lo studente sceglie uno dei casi presentati, lo analizza, individua una soluzione e dopo averne discusso con il docente e la classe ne propone uno sviluppo concreto. Quando lo studente ritiene che la soluzione individuata sia pronta per essere valutata da parte del docente avviene un colloquio con il docente. Il colloquio ha come fine la valutazione della soluzione proposta. Gli stessi studenti possono, se vogliono, proporre casi particolari su cui sviluppare il progetto, previo accordo con il docente.
Strumenti a supporto della didattica
Laboratori dipartimentali
Orario di ricevimento
Consulta il sito web di Marco Roccetti
SDGs
L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.