RigenerAzioni: la Tech Academy forma i talenti del futuro in AI e Quantum Computing

Giugno 17, 2025

RigenerAzioni, impresa sociale al centro del cambiamento tecnologico, offre una Tech Academy che prepara i talenti del futuro ad affrontare le sfide del mercato globale. Nel maggio 2025, RigenerAzioni ha dato il via al suo primo evento di alta formazione, offrendo un programma esclusivo e gratuito su AI, Machine Learning e Quantum Computing. Un’opportunità concreta per il futuro dei giovani talenti nel mondo dell’innovazione.

Formazione gratuita in AI e Quantum Computing

Creiamo le basi per un inserimento efficace ed operativo nelle imprese del territorio La Tech Academy 2025 è un programma di formazione gratuita in AI e Quantum Computing, pensato per laureandi, neolaureati laureati, dottorandi e ricercatori in discipline STEM e AI, Ingegneria Informatica, Scienze della Computazione, Informatica, Economia e Economia Aziendale. La formazione è diretta anche a giovani talenti delle scuole superiori con attitudini nella programmazione e nella gestione di tecnologie avanzate, che desiderano acquisire strumenti computazionali per affrontare sfide di ottimizzazione, programmazione e analisi dei dati con l’uso di algoritmi avanzati. Durante l’intero corso, avrai l’opportunità di lavorare su progetti concreti con aziende innovative e di accedere a Macchine di AI Training per sviluppare soluzioni all’avanguardia.

A chi è rivolto

Il corso è riservato a 20 talenti con una forte attitudine per le Deep Tech (AI, Machine Learning, ecc.). Per candidarti, devi soddisfare necessariamente i seguenti requisiti:

FORMAZIONE

Laureati o laureandi in discipline tecnico-scientifiche ( Laurea in Informatica, Laurea in Ingegneria Informatica, Laurea in Data Science, Laurea in Ingegneria Elettronica, Laurea in Statistica e Data Science, Laurea in Matematica, Laurea in Fisica Computazionale, Laurea in Intelligenza Artificiale, Laurea in Scienze e Tecnologie Informatiche, Laurea in Economia e Tecnologie Digitali)
Dottorandi, dottorati e ricercatori universitari con esperienza in programmazione, analisi dati e AI.
Diplomati o studenti delle scuole superiori con comprovate competenze in tecnologie e programmazione.(Es. Istituto Tecnico Industriale (ITI), Informatica e Telecomunicazioni, Istituto Tecnico per il Settore Economico – Sistemi Informativi Aziendali (SIA), Istituto Tecnico per l’Informatica, Istituti Tecnici per le Scienze Applicate (ITSA), Istituto Tecnico per le Tecnologie.)
Personale dipendente di aziende del territorio (scadenza iscrizioni 5 maggio).
Disoccupati con background tecnico-scientifico.

COMPETENZE TECNICHE

Conoscenza di Python: prediligiamo chi ha una conoscenza di base del linguaggio Python, fondamentale per lavorare con modelli di intelligenza artificiale.

REQUISITI ANAGRAFICI

Età minima: 18 anni

Un’ opportunità per aziende e innovazione

Il workshop della Tech Academy 2025 si articola in 3 sessioni, ciascuna della durata di 16 ore. Prevede un mix di teoria, attività pratiche di programmazione e lavori di gruppo su problemi reali. Gli studenti hanno la possibilità di applicare le competenze acquisite su progetti concreti, collaborando con aziende locali.

Le lezioni hanno luogo presso il Workspace RigenerAzioni nell’ex-SGL Carbon, Ascoli Piceno, Via Piemonte 10.
Tecnologia a disposizione: computer e monitor di ultima generazione e connessione WIFI.
Data ultima di candidatura: 5 maggio 2025 – candidature CHIUSE

PROGRAMMA

SESSIONE 1 – “Introduzione a Machine Learning e Deep Learning: fondamenti e metodi avanzati”

Venerdì 9 maggio 15:00 – 19:00
Introduzione a Machine Learning e Deep Learning (GT)

I problemi risolubili con ML
Quantità e Qualità dei dati
La vendetta dei metodi non-deep (PCA, SVM, trees)
Semplici architetture deep
L’overfitting è sempre male?
Le architetture più comuni
Metodi non-deep in Python: lazy predict
Addestramento di una piccola rete feed-forward
Scelta della loss function e degli iperparametri

Sabato 10 maggio 9:00 – 13:00 / 15:00 – 19:00 e Domenica 11 maggio 9:00 – 13:00 Metodi classici e Deep di Forecasting e Ottimizzazione (LV, DC, PL)

Forecasting: definizioni ed esempi di utilizzo
Forecasting: ARIMA, processi a media mobile, processi autoregressivi e modelli combinati
Forecasting: modelli basati su reti neurali, RNN e LSTM
Ottimizzazione: Algoritmi di ottimizzazione classica analitica, condizioni di ottimalità, ottimizzazione unidimensionale e multivariata
Ottimizzazione: algoritmi di ottimizzazione numerica (es. steepest descent, gradient free, simulated annealing)
Ottimizzazione: linear programming, funzione obiettivo e vincoli
Ottimizzazione: laboratorio con esempi concreti ed applicazioni

SESSIONE 2 – “Language Models, Visione Artificiale e Agenti Intelligenti: fondamenti e teoria del Reinforcement Learning”

Venerdì 16 maggio 15:00 – 19:00 e Sabato 17 maggio 9:00 – 13:00 / 15:00 – 19:00
Language Model, Artificial Vision e Agenti (DC, PL)

Cos’è un LLM e applicazioni principali (chatbot, traduzione, analisi del linguaggio)
Fondamenti di NPL (tokenization ed embedding)
Architetture di LLM da modelli tradizionali a reti e transformers
Training e fine-tuning/ottimizzazione (quantizzazione e pruning)
Introduzione agli agenti e ai sistemi multi-agent
Meccanismi di coordinazione tra agenti
Esempi di applicazione
Artificial Vision: introduzione, convolutional Neural Networks (CNN), dataset comuni e librerie principali
Artificial Vision: Algoritmi di classificazione
Artificial Vision: object detection e recognition

Domenica 18 maggio 9:00 – 13:00
Teoria di Reinforcement Learning (MR) Introduzione approfondita al Reinforcement Learning (RL), un campo dell’intelligenza artificiale che si basa sull’apprendimento per interazione con l’ambiente. Si esploreranno i concetti base del RL, partendo dei Processi Decisionali Markoviani (MDP), il modello matematico alla base del RL, per comprendere come agenti prendano decisioni ottimali. Verranno trattati argomenti fondamentali come policy, reward, state e action, oltre a tecniche come Q-Learning, Deep Q-Networks (DQN) e i moderni metodi Actor-Critic. Attraverso l’analisi di casi studio, i partecipanti impareranno come selezionare algoritmi RL per risolvere problemi complessi.

SESSIONE 3 – “Quantum Computing e Quantum Annealing: dalla teoria alle applicazioni”

Venerdì 23 maggio 15:00 – 19:00 Prova pratica di applicazione di reinforcement learning (equipe EP) Sabato 24 maggio 9:00 – 13:00 / 15:00 – 19:00 Quantum computing & Quantum Annealing (EP)

Introduzione alla computazione quantistica
Qubit e porte logiche
Calcolo quantistico adiabatico
Algoritmi quantistici

Domenica 25 maggio 9:00 – 13:00 Laboratorio di quantum computing (equipe EP)

Introduzione alla logica quantistica

Calcolo quantistico adiabatico pratico

DOCENTI

Daniele Contessi, PhD

Ha conseguito un dottorato di ricerca in Fisica nel 2023 in un programma di cotutela tra l’Università di Trento e l’Università di Colonia (Germania), con una tesi sulla rilevazione delle transizioni di fase in sistemi quantistici a molti corpi con tecniche di deep learning e anomaly detection. È co-fondatore di FluidData srl e Travelbrain srl, in cui attualmente lavora come data scientist su soluzioni basate su IA per l’industria. Profilo LinkedIn.

Piero Luchi, PhD

È un software developer presso Fluid Data, dove sviluppa soluzioni custom basate su tecniche di ottimizzazione e AI per aziende nel settore hospitality e per applicazioni di gestione energetica . Ha conseguito un dottorato di ricerca in Fisica all’Università di Trento nel 2023 con una tesi sull’utilizzo di tecniche di machine learning e ottimizzazione per migliorare le prestazioni dei processori quantistici. Profilo LinkedIn.

Prof. Enrico Prati, PhD

Ha conseguito un PhD nel 2002 in Fisica all’Università di Pisa . È Professore Associato dell’Università degli Studi di Milano, dove tiene i corsi di Foundations of Quantum Computing e AI models for Physics . Coordina progetti di ricerca su quantum artificial intelligence finanziati da MUR, ASI ed ESA . Fa parte della giunta del Dottorato Insersectoral di UNIMI dove è supervisor di diversi dottorati industriali . Ha pubblicato su riviste del gruppo Nature, è stato TEDx Speaker nel 2017 ed è organizzatore di HPC-QC con Cineca.

Prof. Marcello Restelli, PhD

Ha conseguito un PhD nel 2004 in Ingegneria dell’Informazione . È professore associato di Ingegneria Informatica al Politecnico di Milano, dove insegna i corsi di Machine Learning e Reinforcement Learning . La sua ricerca si focalizza sul reinforcement learning, con oltre 250 articoli pubblicati sulle più importanti riviste e conferenze del settore . Dal 2017 coordina l’Osservatorio AI del Politecnico e nel 2020 ha co-fondato la startup ML Cub3 . Nel 2024 è stato nominato Fellow della ELLIS Society. Profilo LinkedIn./

Prof. Guido Tiana, PhD

Ha conseguito un PhD nel 2000 in Fisica presso il Niels Bohr Institute di Copenaghen . È Professore Associato dell’Università di Milano . Ha lavorato presso il DTU di Lyngby (Danimarca) e la Harvard University (USA) e ha insegnato all’Università Bocconi . Il suo campo di ricerca sono la fisica dei sistemi complessi, la biofisica e l’intelligenza artificiale. Ha organizzato numerose conferenze e scuole in questi campi. Profilo LinkedIn.

Luciano Viverit, PhD

Ha conseguito un PhD nel 2000 in Fisica presso il Niels Bohr Institute di Copenaghen. È Amministratore Delegato di FluidData srl, Travelbrain srl e Hotelnet srl. È un imprenditore seriale in ambito software, Machine Learning e AI, e ha pubblicato diversi articoli in ambito di fisica della materia condensata e più recentemente su applicazioni di Machine Learning nel Revenue Management. Ha diverse collaborazioni attive con l’Università di Milano, L’Ecole Hotelier di Losanna, l’Università di Trento, l’università dell’Algarve e lo IULM. Profilo LinkedIn.

Un’opportunità per le persone e il territorio

Attraverso la Tech Academy, RigenerAzioni impresa sociale contribuisce alla formazione delle persone, che sono il cuore del nostro impegno sociale. La nostra missione è preparare i talenti locali a lavorare con le tecnologie più avanzate, per stimolare la crescita sostenibile e competitiva delle imprese e start-up nel Piceno.