- Docente responsabile
- MARIA ANTONIA BROVELLI
- CCS proponenti
- Geoinformatics Engineering - Ingegneria Geoinformatica Ingegneria Informatica
- CFU
- 2
- Ore in presenza
- 16
- Prerequisiti
- Conoscenza di Python; basi di Machine Leaning.
- N° max studenti
- 25
- Criteri di selezione
- Precedenza agli studenti dei corsi di laurea. Media esami.
- Parole chiave:
- Foundation Models Geospaziali
- Tag
- Ambiente e territorio, Informatica, Intelligenza artificiale, Rilievo e monitoraggio, Risorse naturali
Descrizione dell'iniziativa
I Foundation Models (FMs) rappresentano un cambiamento trasformativo nell'intelligenza artificiale, permettendo lo sviluppo di modelli riutilizzabili e adattabili, addestrati su enormi dataset non etichettati. I Geospatial Foundation Models (GFMs) applicano questo approccio alle immagini satellitari, supportando un'ampia gamma di applicazioni come la mappatura dell'uso del suolo, il monitoraggio ambientale e la risposta alle emergenze. Questo corso Passion in Action unisce basi teoriche e attività pratiche, utilizzando due GFMs all'avanguardia: Prithvi-2.0 (NASA-IBM) e TerraMind (ESA-IBM). Al termine del corso, gli studenti avranno acquisito sia una comprensione teorica che un'esperienza pratica nell'applicazione dei GFMs a sfide ambientali e geospaziali reali.
Programma dettagliato
- Introduzione all'Informazione Geografica e Osservazione della Terra (4 ore)
Localizzazione di punti sulla superficie terrestre: sistemi di riferimento e di coordinate. Mappe e proiezioni. Satelliti e immagini. Descrizione dei dataset utilizzati per l'addestramento dei Geospatial Foundation Models (GFMs). Panoramica sui GFMs, la loro rilevanza nel contesto geospaziale e le potenziali applicazioni. - Introduzione al Deep Learning (4 ore)
Reti neurali: dal singolo percettrone al Multi-layer Perceptron. Visione artificiale: apprendimento da immagini tramite Convolutional Neural Networks. Transformers, Vision Transformers e Foundation Models. Apprendimento auto-supervisionato su immagini con Masked Autoencoders. - Prithvi-2.0 (4 ore)
- Panoramica sull'architettura, dataset di pre-addestramento, capacità e limitazioni
- Esercitazioni pratiche su dati reali per effettuare il fine-tuning del modello in diverse applicazioni geospaziali, come la mappatura dell'uso del suolo, il rilevamento di piste di atterraggio illegali, la mappatura delle inondazioni con dati SAR. Le esercitazioni saranno svolte su Google Colab utilizzando il linguaggio di programmazione Python.
- arxiv.org/abs/2412.02732
- huggingface.co/ibm-nasa-geospatial/Prithvi-EO-2.0-300M
- TerraMind (4 ore)
- Panoramica sull'architettura, dataset di pre-addestramento, capacità e limitazioni
- Esercitazioni pratiche su diversi tipi di dati, per mostrare l'ampia gamma di applicazioni di TerraMind. Le esercitazioni includeranno il fine-tuning del modello su casi d'uso già affrontati nella sessione su Prithvi, con ulteriori esempi specifici per le capacità distintive di TerraMind. Anche in questo caso, le esercitazioni saranno condotte su Google Colab utilizzando Python.
- arxiv.org/abs/2504.11171
- huggingface.co/ibm-esa-geospatial/TerraMind-1.0-base
Periodo di svolgimento
dal Ottobre 2025 a Ottobre 2025
Calendario
Schedule
8 October 2025 16:00 - 20:00
16 October 2025 16:00 - 20:00
22 October 2025 16:00 - 20:00
27 October 2025 16:00 - 20:00