Scheda programma d'esame
PRINCIPI DI DIGITALIZZAZIONE IN AGRICOLTURA
ALEXANDER KOCIAN
Anno accademico2023/24
CdSSCIENZE AGRARIE
Codice802AA
CFU3
PeriodoPrimo semestre
LinguaItaliano

ModuliSettore/iTipoOreDocente/i
PRINCIPI DI DIGITALIZZAZIONE IN AGRICOLTURA INF/01LEZIONI30
ALEXANDER KOCIAN unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il corso di “principi di digitalizzazione dell’agricoltura” fornisce agli studenti competenze relative ai sistemi e alle tecnologie informatiche per la digitalizzazione dell’agricoltura. Gli argomenti trattati includono i più recenti sviluppi delle tecnologie informatiche legati all’Internet delle cose, all’analisi dei dati, all’intelligenza artificiale e alla sicurezza dei sistemi. Il corso include alcune lezioni pratiche volte ad illustrare i concetti teorici presentati nel corso.

Knowledge

The course "principles of digitial agriculture" is aimed at students who wish to build their knowledge and skills to develop, deploy, and manage information systems and technologies in the agriculture sector. Module topics include the latest developments in information technology related to the Internet of Things, data analysis, artificial intelligence, system security and more. The course also includes some practical lessons aimed at illustrating the theoretical concepts presented in the course.

Modalità di verifica delle conoscenze

La valutazione sarà tramite una prova orale dopo aver superato un quiz.

Assessment criteria of knowledge

The students will be assessed by an oral exam after they have passed an quiz.

Capacità

Gli studenti acquisiranno la capacità di applicare un tipico sistema di internet of things all'agricoltura di precisione, gestire i dati digitale, scegliere e utilizzare correttamente alcuni algoritmi base di apprendimento automatico, riconoscere diversi tipi di attacchi informatici e valutare le contromisure appropriate.

Skills

The students will learn to apply a typical internet-of-things system to precision agriculture, manage digital data, choose and correctly use some basic machine learning algorithms, recognize different types of security attacks and to evaluate appropriate countermeasures.

Modalità di verifica delle capacità

Verranno utliizzati quiz erogati erogati tramite la piattaforma di e-learning Moodle per una pre-valutazione degli studenti, seguita da un esame orale.

Assessment criteria of skills

A quiz from the Moodle e-learning platform helps to clarify any misconceptions about the course content. The quiz is followed up by an oral exam.

Comportamenti

Il corso non si pone obiettivi di apprendimento in termini di comportamenti attesi.

Behaviors

The course does not have specific behavioral objectives.

Modalità di verifica dei comportamenti

Non sono previste prove per la verifica dei comportamenti.

Assessment criteria of behaviors

The course does not have specific behavioral tests.

Prerequisiti (conoscenze iniziali)

Elementi di analisi matematica

Prerequisites

Elements of mathematical calculus

Corequisiti

non sono presenti co-requisiti

Co-requisites

There is no need for more subjects that must be undertaken in the same study period.

Prerequisiti per studi successivi

non ci sono presrequisiti per studi successivi

Prerequisites for further study

There no requirements for further study.

Indicazioni metodologiche

Le lezioni avvengono in aula alla presenza del docente. Il metodo educativo combina la teoria con alcune lezioni pratiche/sperimentali per aiutare gli studenti a  familiarizzare con i contenuti del corso. 

Le attività di apprendimenti comprendono:

  • seguire le lezioni
  • studio individuale

Non c'è obbligo di presenza alle lezioni    

 

Teaching methods

Lessons are given "face to face" in the respective lecture hall. The educative method combines theory aith practical/experimental lessons to help students familiarize themselves with the course content.

Learning activities include:

  • attending lectures
  • individual study

Attendance is not mandatory.

 

Programma (contenuti dell'insegnamento)

Cosa è Agricoltura digitale (Intro)

Applicazioni e casi d'uso

Computer e sistemi operativi

Sensori, internet delle cose, Arduino

Basi di dati

hands-on Arduino e sensori

Robotica, UAV, telerilevamento

Analisi di dati, Python

Intelligenza artificiale e apprendimento automatico

Privacy e sicurezza

hands-on analisi di dati con Python

Syllabus

What is Digital agriculture (intro)

Applications and use cases

Computer and operating systems

Databases

Sensors, Internet of things, Arduino

Practical lesson on sensors with Arduino

Robotics, UAV, remote sensing

Data analysis, Python

Artificial intelligence and machine learning

Privacy and security

Practical lesson on data analysis with Python

Bibliografia e materiale didattico

l materiale didattico del corso include i lucidi delle lezioni e articoli scientifici apparsi recentemente in letteratura.

Bibliography

The didatical material comprises the course slides as well as research papers selected by the lecturer.

Indicazioni per non frequentanti

Gli studenti hanno accesso a tutto il materiale didattico sul sito web del corso.

Non-attending students info

All the students have access to all material on the website of the course.

Modalità d'esame

Gli studenti verrano valutati su una prova orale dopo aver superato un quiz dalla piattaforma di e-learning Moodle.

Assessment methods

Having passed a quiz on the Moodel e-learning platform, an oral exam assesses the acquired knowledge by the students.

Stage e tirocini

non sono presenti stage o tirocini

Work placement

There are notg foreseen any internships or apprenticeships

Notes

The course is in Italian

Ultimo aggiornamento 04/09/2023 10:43