CAMPUS STEM

1a SESSIONE INVERNALE - 20-22 Dicembre 2019

Per gli STUDENTI del biennio e del triennio della SCUOLA SUPERIORE

I corsi proposti sono:
  • Intelligenza Artificiale e Computer Vision – informatica, robotica, intelligenza artificiale
  • Strade tra le stelle, navigare nello spazio – esplorazione spaziale, simulazione di orbite
  • Big Data Analysis con Python – informatica, analisi big data, reti
  • Acceleratori di particelle e reattori a fusione – CERN, superconduttori, energia
  • Luce, colore e cibo – la scienza che ci circonda – Chimica inorganica, organica e biofisica

Ogni studente dovrà scegliere uno di questi quattro corsi proposti.


Intelligenza Artificiale e Computer Vision (Autonomous driving)
Argomenti del Corso

Negli ultimi anni l'Intelligenza Artificiale (AI – Artificial Intelligence) sta dirompendo in ogni ambito della nostra vita. È applicata in maniera proficua al marketing, alla ricerca in ambito biologico, fisico e chimico, nella sicurezza, nel trading, alla guida e in molti altri ambiti...

Un ripasso/introduzione (non sono presupposte particolari conoscenze preliminari) delle principali funzioni elementari: polinomiali, razionali, trigonometriche, esponenziali e logaritmiche.

Nel corso ci andremo ad occupare soprattutto di quest'ultima tematica, la guida autonoma (Autonomous driving).

Lo scopo del corso sarà quello di realizzare una "macchina" che sarà in grado di seguire un percorso non prestabilito, dovrà quindi essere addestrata una Rete Neurale (Neural Network) a seguire una strada non nota a priori (lane following) che può presentare ostacoli o pericoli (obstacle detection).

Per poter acquisire le informazioni del mondo circostante la nostra macchina sarà dotata di una videocamera; le immagini così acquisite dovranno essere elaborate e modificate tramite algoritmi di Computer Vision (CV) per poter essere date come input agli algoritmi di AI.

La maggior parte degli algoritmi di AI e CV sarà sviluppata in Python, i moduli utilizzati saranno Keras, OpenCV, scikit, TensorFlow, matplotlib.

Per la parte di attuazione dei comandi e controllo della macchina verrà utilizzato un framework molto diffuso nell'ambito della robotica ROS (Robot Operating System) www.ros.org.

La macchina sulla quale testeremo gli algoritmi sarà una piattaforma robotica, basta su Arduino e Jetson Nano, una scheda realizzata da nVidia (si... quella che fa le schede video!) per lo sviluppo di applicazioni di intelligenza artificiale e machine learning.

Programma

  • Fondamenti di Python (per chi si avvicina per la prima volta alla programmazione)
  • Introduzione teorica al Machine Learning
  • Acquisizione ed elaborazioni immagini mediante OpenCV
  • Implementazione di una Neural Network in Python
  • Test del sistema in ambiente controllato
  • Ottimizzazione (tuning) della rete neurale
  • Test del sistema in ambiente reale
  • Competizione finale!

Obiettivi

  • Acquisire delle basi di Python in ambito ingegneristico
  • Visione di insieme sulle nuove tecnologie in ambito informatico e robotico
  • Basi di Machine learning
  • Basi di Computer Vision
  • Acquisire una visione di insieme di un sistema meccatronico complesso
  • Basi di ROS (Robot Operating System)

ATTENZIONE – Per seguire il corso è necessario essere provvisti del proprio PC, questo deve essere dotato, se possibile, di un sistema operativo Windows (7 o 10) o Linux (Ubuntu, Debian). Inoltre, è da preferire un sistema dotato di almeno 4GB di RAM, processore (CPU) a 64 bit e 30GB di spazio disponibile sul disco. Nel caso di dubbi non esitare a contattare stem@campusmfs.it.

DOCENTI
Ing. Alessandro Berruti – Laureato in Ingegneria Elettronica al Politecnico di Torino. Appassionato di Robotica. Lavora presso EMA s.r.l. come progettista hardware e software.
Ing. Francesco Viggiano – Laureato in Ingegneria Elettronica al Politecnico di Torino. Si occupa di progettazione software e machine learning presso EMA s.r.l.


Strade tra le stelle, navigare nello spazio
Argomenti del Corso

L'obbiettivo del laboratorio è di imparare come sono fatte e come si categorizzano le orbite spaziali percorse da satelliti e capsule e di riuscire a simularle sul proprio computer per poi modificarle e correggerle attraverso le manovre calcolate in classe.

Verranno presentate alcune delle orbite più usate, approfondendone gli utilizzi e le caratteristiche ( come finestre di comunicazione, periodi di luce e eclissi, tempi di decadimento e perturbazioni orbitali ) per capire come vengono scelte in base alla missione da effettuare.

Una volta presa familiarità con il software verranno simulati alcuni scenari di missione spaziale (cambi di orbita, RENDEZ-VOUS, fasamento) e i dati risultanti analizzati per trovare la combinazione di manovre più efficaci.

Il software della NASA che verrà usato nelle simulazioni è comunemente usato in ambiente lavorativo e verrà fornito in classe e presentato in maniera da essere semplice e comprensibile.

Il laboratorio è aperto agli studenti di qualunque classe e non richiede conoscenze pregresse, si consiglia comunque la partecipazione a studenti con una buona predisposizione alle materie scientifiche e all'uso del PC.

Tutte le conoscenze necessarie relative alla meccanica orbitale di base e all'utilizzo del software usato per le simulazioni saranno fornite durante il corso.

Per la parte di attuazione dei comandi e controllo della macchina verrà utilizzato un framework molto diffuso nell'ambito della robotica ROS (Robot Operating System) www.ros.org.

Programma

  • Familiarizzazione con il software e i suoi comandi
  • Orbite classiche ( LEO/ISS, GEO, SSO, MOLNYA ) e analisi di: mappa orbitale, ground track, eclipse time, recontacting time
  • Manovra di Homman: Calcolo a mano e con target sequence
  • Manovra di Fasamento per satelliti GEO
  • Analisi di decadimento in orbita bassa
  • Rendezvous tra due oggetti in orbita

Obiettivi

  • Uso basilare di software di simulazione orbitale
  • Conoscenza delle caratteristiche fondamentali delle orbite classiche
  • Conoscenza dei parametri che definiscono le orbite
  • Conoscenza delle manovre che si possono effettuare nello spazio e il loro effetto

ATTENZIONE – Per seguire il corso è necessario essere provvisti del proprio PC, ( Windows 10) e Office. Nel caso di dubbi non esitare a contattare stem@campusmfs.it.

DOCENTE
Ing. Carlo Fiori – Laureato al Politecnico di Torino in ingegneria aerospaziale con tesi su ottimizzazione di traiettoria per "spazioplani". Ha conseguito un master in sistemi di trasporto spaziale all' Università La Sapienza di Roma.



Big Data Analysis con Python
Argomenti del Corso

Ogni giorno siamo testimoni di una sempre crescente rivoluzione digitale che cambia ogni aspetto della nostra vita. Dagli smartphones all'internet of things, ogni cosa tende ad essere sempre più informatizzata e quindi a creare dati. Il 90% dei dati nella storia è infatti stato prodotto negli ultimi 2 anni e per il 2020 ci si aspetta un totale mondiale di circa 40 zettabytes di dati. Non stupisce quindi che le più importanti aziende internazionali ricerchino sempre più spesso figure in grado di analizzare queste grandi quantità di dati, dette in gergo tecnico Big Data. Questo corso fornisce la basi per approcciarsi al mondo dei Big Data usando il software più utilizzato al mondo nel campo scientifico, Python. In questo corso imparerai non solo ad analizzare i Big Data e estrarne le informazioni essenziali, dette patterns, ma anche come rappresentarle in maniera efficace tramite grafici e reti.

Programma

  • Scaricare Big Data da internet
  • Importare ed esportare i dati tramite i tools predisposti da Python
  • Elaborare i dati per estrarne le informazioni essenziali
  • Rappresentare i dati utilizzando i grafici messi a disposizione da Python
  • Rappresentare i dati utilizzando una rete
  • Utilizzare alcune tecniche di teoria dei grafi per ottenere ulteriori informazioni sui dati
  • Presentare i dati in forma ordinata, una skill spesso sottovalutata ma profondamente efficace

ATTENZIONE – Per seguire il corso è necessario essere provvisti del proprio PC, è richiesta l'installazione della piattaforma Anaconda, reperibile a questo link. Nel caso di dubbi non esitare a contattare stem@campusmfs.it.

DOCENTE
Dott. Alessandro Cossard – Laureato in Fisica dei Sistemi Complessi, attualmente lavora come junior researcher alla fondazione ISI di Torino. In particolare, si occupa di datascience nel framework della ricerca per il social good.


Acceleratori di particelle e reattori a fusione
Argomenti del Corso

Cosa accomuna il più grande centro di ricerca del mondo, il CERN, dove l'enorme acceleratore di particelle LHC viene usato per svelare i misteri dell'Universo, e ITER, il gigantesco progetto per la costruzione del primo reattore a fusione nucleare? La risposta si trova nel campo della fisica delle particelle. Sembra incredibile, ma per risolvere i grandi quesiti dell'umanità, "Da dove veniamo?" e "Che ne sarà dell'Universo?", e per trovare una soluzione ai più gravi problemi del nostro tempo, la crisi energetica ed il riscaldamento globale, gli scienziati lavorano con della materia così piccola da non essere visibile ad occhio nudo.

In questo corso cercheremo di capire che problemi devono affrontare gli scienziati e gli ingegneri per costruire e far operare dei colossi tecnologici come LHC e ITER. Ampio spazio verrà dato nell'introdurre i concetti fondamentali e le motivazioni che hanno portato ad intraprendere queste avventure scientifiche. Infine, ci si concentrerà sulle ultime scoperte e le sfide che attendono questi due enormi progetti.

Programma Acceleratori di particelle

  • Introduzione alla fisica delle particelle: le interazioni fondamentali e il Modello Standard
  • Il CERN: la sua storia e gli scopi
  • Introduzione ai concetti di elettromagnetismo: campi elettrici e magnetici
  • LHC: i rivelatori e gli esperimenti
  • Le sfide dell'ingegneria: magneti superconduttori, cavità risonanti, criogenia
  • Le recenti scoperte e le sfide future: il Bosone di Higgs, la materia oscura, la teoria della grande unificazione, la cura dei tumori
Reattori per fusione nucleare
  • La crisi energetica mondiale: cause e possibili soluzioni
  • La fissione nucleare: descrizione del fenomeno e delle sue problematiche
  • La fusione nucleare: i vantaggi e le sfide da superare
  • Soluzioni ingegneristiche per la realizzazione di un reattore: i Tokamak
  • Il progetto ITER: presente e futuro

DOCENTE
Ing. Andrea Musso – Laureato in Ingegneria Energetica presso l'Università di Bologna con tesi riguardo i cavi superconduttori per acceleratori di particelle. Ha collaborato con il CERN di Ginevra e l'Università di Reykjavík. Attualmente svolge un dottorato di ricerca presso la sua Alma Mater riguardo magneti realizzati con superconduttori di ultima generazione.


Luce, colore e cibo – la scienza che ci circonda (Biennio e triennio)
Argomenti del Corso

Numerose sono le domande a cui gli scienziati cercano di rispondere. Sappiamo veramente cosa mangiamo? Quali colori è in grado di osservare il nostro occhio? Che colore ha la luce? Come la luce attraversa un liquido?

Siamo talmente abituati ad alcune attività che spesso non ci chiediamo cosa stiamo facendo. In realtà ogni cosa che facciamo è un esperimento scientifico, un'apoteosi di reazioni, colori, sapori e odori. La nostra vita quotidiana rappresenta quindi un modo perfetto per imparare la scienza, dove non mancano mai strumenti e reagenti. Pensiamo alla nostra cucina, a tutti gli oggetti, prodotti ed utensili che abbiamo in casa, questi possono rappresentare strumenti utili per capire e scoprire. Cercheremo allora attraverso alcuni esperimenti scientifici di svelare i segreti della chimica e della biofisica, di capire la composizione dei cibi e come vengono preparati, di capire cosa succede quando un animale annusa l'aria, quali molecole siano coinvolte nella percezione olfattiva, di capire cosa accade quando un raggio di sole colpisce una superficie scura e ancora di capire come possa cambiare il colore di un oggetto in pochi secondi.

Programma

  • Le proprietà della patata: densità e pressione osmotica.
  • È nato prima l'uovo o la gallina? proteine, sali, grassi.
  • Una mela al giorno: ossidazione.
  • Cosa beviamo: zuccheri, diete, metabolismo.
  • Tramonti: luce e colori.
  • Occhi aperti: colori e cellule.
  • Piantiamola: luce, energia e cellule.
  • Nanoscala: luce, colori e cibo.

DOCENTE
Dott. Yuri Galletti – dottore Magistrale in Biologia Marina presso l'Università di Pisa. Associato presso l'Istituto di Biofisica del Consiglio Nazionale delle Ricerche (CNR) - Area della Ricerca di Pisa.