Menu Close

BpAI combinerà lezioni frontali a lavoro di gruppo: gli studenti, organizzati in team, avranno la possibilità di collaborare a un progetto applicativo; il risultato verrà illustrato dai vari gruppi durante l’ultimo giorno della Scuola.
In particolare, gli studenti avranno la possibilità di partecipare ad un Datathon, ossia di lavorare in prima persona, con tecniche di Machine Learning, all’analisi di dati provenienti da dispositivi biofotonici o da analisi tradizionali, seguiti e supportati dai docenti della Scuola.

  • La Scuola ha lo scopo di esplorare le  applicazioni dell’AI nel campo della biofotonica. Ci aspettiamo un impatto sostanziale della Scuola in termini di cross-fertilizzazione fra i diversi argomenti e condivisione delle conoscenze tra relatori e partecipanti.
  • Le aree coperte includono (ma non sono limitate):
    • Progettazione e sviluppo di dispositivi biofotonici; 
    • Imaging biofotonico;
    • Complessità nei sistemi biofotonici;
    • Complessità nei nuovi materiali, in dispositivi e componenti emergenti come micro-risonatori e nanostrutture plasmoniche;
    • Intelligenza Artificiale (AI):
      • Introduzione all’AI;
      • Statistica per il Machine Learning;
      • Introduzione ai linguaggi di programmazione nell’ambito dell’AI (Python, R, Java) di interesse in Biofotonica, e delle librerie più note (scikit learn, Keras, Tensorflow2.0, etc.);
      • Machine Learning;
      • Deep Learning:
        • Reti neurali Convoluzionali (CNN);
        • Reti neurali per segnali temporali (RNN, LSTM, Transformers);
        • Autoencoder;
        • GAN;
        • Graph Neural Networks;
        • Reinforcement Learning;
        • Transfer Learning, Data augmentation, etc.;
    • Applicazioni dell’AI per la progettazione di sensori biofotonici;
    • Applicazioni dell’AI per l’analisi di dati biofotonici;
    • Introduzione a Explainability, Interpretability, Trustworthy.

Programma
in fase di aggiornamento

           
  Lunedi 5 settembre Martedi 6 settembre Mercoledi 7 settembre Giovedi 8 settembre Venerdi 9 settembre
           
09:00 -09:50                        
   Machine Learning [Baccini] Computational Imaging for biomedical optics: applications to multispectral fluorescence lifetime imaging and diffuse optical tomography [Farina] Flow-Cytometry and Holography Microscopy empowered by AI to achive high-throuput and quantitative single cell analysis [Ferraro] Lectio Magistralis: A perspective on Artificial Intelligence and Medicine [Lio’]
09:50 – 10:40
  Machine Learning [Baccini] New approaches in Surface Plasmon Resonance for receptors design and data analysis [Scarano] BioP “The thinking microscope. A multimodal optical approach boosted by artificial intelligence.” [Diaspro] Presentazione Gruppi
10:40 – 11:10 Intro Scuola 10:40 Coffee Break Coffee Break Coffee Break Coffee Break
11:10 – 12:00 Molecular recognition elements for biosensing: artificial intelligence for their selection and target-binding prediction [Tombelli] Large-scale imaging and feature extraction using advanced high-resolution microscopy techniques [Mazzamuto] Clustering e apprendimento non supervisionato [Marinai] Convolutional Learning – a Recap and Beyond!  – [Mecocci] Presentazione Gruppi
12:00 – 12:50 Fluorescence and label free optical sensing: conventional methods and contribution from artificial intelligence [Trono] From biosensors to internet of biosensors [Michelini] Whispers of Light: a bridge between Biophotonics and Artificial Intelligence [Berneschi] Convolutional Learning – a Recap and Beyond!  – [Mecocci] Premiazione Gruppi e chiusura Scuola
  Pranzo Pranzo Pranzo/Sessione Poster Pranzo  
14:20 – 15:10 Introduzione a Imaging e Microscopia Ottica [Cicchi] Clustering e apprendimento non supervisionato [Marinai] Convolutional Learning – a Recap and Beyond!  – [Mecocci] BioP  Photoacoustic imaging and the role of artificial intelligence [Meiburger]  
15:10 – 16:00 Introduzione all’intelligenza artificiale [Diciotti] Clustering e apprendimento non supervisionato [Marinai] Convolutional Learning – a Recap and Beyond!  – [Mecocci] Machine learning in spectral domain [Fanelli 25′]; PhotonHub Europe: la tecnologia fotonica e le opportunità per le imprese [L. Cavigli 25′]  
16:10 – 17:00 Introduzione all’intelligenza artificiale [Diciotti] Surface Enhanced Raman Scattering investigation of Alzheimer’s biomarkers with the use of machine learning
 [Banchelli, D’Andrea]
Validazione efficace dei modelli di machine learning [Marzi]  Ethics Guidelines for Trustworthy AI
 [Burzagli, Colcelli]; Trustworthiness and transparency in AI development  [Colantonio]
 
17:00 – 18:00 Buone pratiche per il machine learning [Marzi] Datathon Datathon Datathon  
18:00 – 19:00 Datathon Datathon Datathon Datathon  
           
        Cena  
           
           
 
 

in collaborazione con