L3 AI Intelligenza Artificiale per l’Intelligence Geospaziale

Livello 3-Deep Traning

Il corso di "Livello 3-AI-Intelligenza Artificiale per l’Intelligence Geospaziale" ti permetterà di integrare l’intelligenza artificiale nell’analisi dei dati satellitari per migliorare l’interpretazione e il supporto decisionale in ambito geospaziale.
Imparerai a utilizzare modelli di machine learning e deep learning per compiti quali la classificazione del territorio e il rilevamento dei cambiamenti ambientali.
L’approccio pratico (60% esercitazioni) ti consentirà di affrontare casi reali e applicare le tecniche AI in scenari operativi.

Il corso offre una solida introduzione all’intelligenza artificiale. In questa fase, verrai introdotto ai concetti fondamentali: cosa sia l’AI, i vari tipi di modelli esistenti e come progettare un modello AI. Inoltre, esplorerai come l’intelligenza artificiale si integra con l’osservazione della Terra, analizzando le rappresentazioni visive dei dati (come le immagini RGB) e scoprendo gli strumenti di analisi geospaziale basati su AI.

In seguito il percorso si focalizza sull’approfondimento degli algoritmi e delle tecniche di intelligenza artificiale. Verranno spiegati in dettaglio gli algoritmi di regressione, quelli di classificazione, nonché i modelli shallow e deep. Imparerai a utilizzare gli algoritmi per il rilevamento degli oggetti e per l’analisi dei cambiamenti nei dati satellitari. Durante questa fase, parteciperai a esercitazioni pratiche che ti permetteranno di analizzare e preprocessare dataset reali, preparando il terreno per la realizzazione di modelli AI operativi.

Infine il corso affronta temi avanzati e applicazioni pratiche. Verranno illustrate tecniche di change detection, riduzione dimensionale e data augmentation, oltre alla fusione di dati provenienti da diverse fonti. In questa fase, approfondirai anche concetti emergenti come l’Explainable AI e la super-risoluzione, esplorando le ultime innovazioni nel campo dei modelli AI. Le esercitazioni finali includeranno sessioni pratiche su change detection e segmentazione istanza, per consolidare le tue competenze e prepararti all’uso operativo delle tecniche AI in ambito geospaziale.

I software impegnati, con Use Cases customizzati sulla base delle necessità dell'ente, saranno:

ESA SNAP version 11.0.0 (All Toolboxes)
QGIS version 3.34.13
Google Colab

Quali sono i requisiti per seguire il corso?

Possesso di diploma di scuola secondaria superiore o titolo equivalente riconosciuto.
Conoscenza base della lingua inglese per termini tecnici e documentazione integrativa (consigliata ma non obbligatoria).
Capacità di utilizzo del pacchetto Microsoft Office o strumenti equivalenti.
Capacità di navigazione su Internet e utilizzo di piattaforme online.
Conoscenza introduttiva dei concetti di dati geografici (es. coordinate geografiche, cartografia).

Faculty team

Docenti del corso

Insegna corsi su Telerilevamento ed Elettromagnetismo Applicato. È Coordinatore del Master in "Progettazione, Applicazioni e Regolamentazione dei Droni (UAV)" e responsabile Erasmus per l'area di Ingegneria. Nel 2006 ha co-fondato GEO-K srl, primo spin-off dell'Università "Tor Vergata", di cui è attualmente Presidente.

È autore di più di 300 pubblicazioni internazionali

Redattore associato per "Frontiers in Remote Sensing" (dal 2020) e revisore per riviste internazionali di telerilevamento.

Settori: Telerilevamento, Osservazione della Terra, Intelligenza Artificiale, Elaborazione delle Immagini, Onde Elettromagnetiche

Dal 2020 supporta l’insegnamento del corso “Remote Sensing and Cartography” presso l’Università di Tor Vergata. È inoltre docente di “Osservazione della Terra” nel Master di Secondo Livello in “Scienza e Tecnologia Spaziale” attivo presso la stessa Università. Coinvolto come consulente scientifico in diversi progetti di ricerca finanziati dall’Agenzia Spaziale Europea (ESA) e dall’Agenzia Spaziale Italiana (ASI). È co-leader del Working Group on Physical Model Informed Machine Learning (PIML) all'interno del comitato tecnico IEEE Modeling in Remote Sensing (MIRS).

Settori: Telerilevamento, Osservazione della Terra, Intelligenza Artificiale, Monitoraggio Ambientale e dei Cambiamenti Climatici

Insegna corsi di Osservazione Satellitare della Terra e Geoinformazione.È stata responsabile dell’unità di ricerca di Tor Vergata per numerosi progetti nazionali ed internazionali. Negli ultimi anni ha partecipato a diversi progetti finanziati da ESA/ESTEC dedicati all’applicazione della Riflettometria GNSS al monitoraggio del suolo e della vegetazione, contribuendo allo sviluppo di un simulatore del segnale GNSS-R.È vice presidente dell’IEEE Geoscience and Remote Sensing Society North and Central Italy Chapter. È coautrice di oltre 300 articoli peer-reviewed.

Settori: Telerilevamento, Osservazione della Terra, Onde Elettromagnetiche, Retrieval di parametri bio-geofisici.

Ricercatrice post-dottorato nell’ambito di applicazioni di Intelligenza Artificiale ai dati di Osservazione della Terra. Autrice di diverse pubblicazioni in riviste e conferenze internazionali e revisore per riviste internazionali relative al telerilevamento. Docente nell’ambito di progetti nazionali ed europei e collaboratrice nelle attività di insegnamento per corsi di laurea magistrale e master nell’ambito del telerilevamento.

Settori: Osservazione della Terra, Intelligenza Artificiale, Elaborazione delle Immagini

AI-Intelligenza Artificiale per l’Intelligence Geospaziale

Destinatari

Certificato Finale

Modalità di erogazione

Cos'è incluso?

Perché dovrei frequentare questo corso?

Qual è il programma?

Quali saranno i software utilizzati?

Quali sono i requisiti per seguire il corso?

Docenti del corso

Fabio Del Frate

Professore Ordinario Università Tor Vergata

Davide De Santis

Ricercatore Università Tor

Leila Guerriero

Professore Associato Università di Roma “Tor Vergata”

Giorgia Guerrisi

Ricercatrice post-dottorato Università Tor Vergata

La nostra organizzazione

Note Legali