Materiali dei corsi di intelligenza artificiale tenuti dall’Ing. Nicolò Lanza: slide, dataset da scaricare per gli esercizi, codice pronto da eseguire, demo video, strumenti online e riferimenti normativi. Ogni corso ha la propria raccolta; le risorse sono raggruppate per tipo.
Corso · Professionisti
IA applicata per ingegneri e architetti
Come funziona davvero un sistema di IA, cosa può fare in cantiere e in studio e cosa no, e quali obblighi comporta usarlo nelle commesse. Esercizi nel browser senza installare nulla, codice condiviso a schermo, casi reali con i loro errori.
Programma
- In revisioneIntroduzione all’IA — le fasi di lavoro (dataset, addestramento, test, inferenza), i limiti tecnologici (memoria e potenza di calcolo) e i diversi approcci.
- EsercizioClassificare foto di strutture con crepe o danni e strutture sane — addestramento di una rete visuale su pagina web (Teachable Machine) con un dataset da scaricare.
- EsercizioClassificare pannelli solari sani e con anomalie — stesso metodo, secondo dataset: immagini termiche a infrarossi.
- Codice condivisoRilevamento veicoli su video — tracking e conteggio con YOLO, codice testato e demo dei risultati.
- Codice condivisoRilevamento incidenti stradali — collisioni tra veicoli dalle webcam del traffico.
- ParzialeConteggio auto in un parcheggio da foto drone — demo su Colab, funziona solo in parte: serve a mostrare che non tutto è facile.
- Codice condivisoPersone con e senza caschetto di sicurezza in cantiere — riconoscimento da fotografie, con un errore didattico: il modello scambia qualunque copricapo per un casco.
- Da testareRendering di interni ed esterni con Gemini (Nano Banana) — prova semplice di generazione di immagini per l’architettura.
- In preparazioneEtica e AI Act — l’obbligo di informare i clienti sull’uso dell’IA nell’esecuzione delle commesse.
- In revisionePrivacy e IA — anonimizzazione dei dati in input, servizi a pagamento e gratuiti, aggregazione degli input.
- In preparazioneNotebookLM come motore di ricerca sui propri documenti — caricare perizie, relazioni di cantiere e capitolati e interrogarli; differenze rispetto a caricare i file in una chat.
Slide e dispense
Introduzione all’IA: fasi di lavoro, limiti, approcci
Dataset, addestramento, test e inferenza; memoria e potenza di calcolo; famiglie di modelli a confronto.
Privacy e IA per il settore tecnico
Anonimizzare i dati prima di caricarli, cosa cambia tra servizi gratuiti e a pagamento, perché l’aggregazione degli input è un rischio.
Relazione tecnica
Rilevamento dei caschi in cantiere: due addestramenti a confronto
Dati, risultati e lezioni dell’esercizio sui caschetti: perché un modello più grande non ha migliorato nulla, come una media può mentire e il caso del berretto di stoffa.
Esercizi e dataset
Gli esercizi si fanno nel browser su Teachable Machine: si scarica l’archivio, si caricano le cartelle di immagini come classi, si addestra e si prova il modello con foto nuove. La guida passo passo viene fatta dal vivo durante il corso.
Dataset
Crepe e danni strutturali
Fotografie di superfici con crepe o danni e superfici sane, già divise in due cartelle, per l’esercizio di classificazione su Teachable Machine.
Dataset
Pannelli solari sani e con anomalie
Immagini termiche a infrarossi di moduli fotovoltaici, sani e con difetti, per il secondo esercizio su Teachable Machine. Derivato dal dataset pubblico Infrared Solar Modules di Raptor Maps.
Dataset
Caschetti in cantiere: immagini di prova e risultati
Fotografie di input e le stesse con i riquadri disegnati dal modello, comprese quelle con il berretto scambiato per un casco.
Dataset esterni
Archivi pubblici usati per addestrare il modello dei caschi
Hard Hat Workers (7.041 immagini, tre categorie) è la base dei due addestramenti; SHWD aggiunge teste con copricapi comuni ed è la strada indicata nella relazione per correggere l’errore del berretto.
Codice e demo
Il codice viene mostrato e commentato a schermo condiviso durante il corso. Per eseguirlo in proprio servono Python 3.12, la libreria Ultralytics (YOLO) e, per l’addestramento, una scheda video NVIDIA: le istruzioni sono nella scheda dei caschetti.
Demo video
Rilevamento e conteggio veicoli su video
Webcam autostradale: ogni veicolo viene riconosciuto, seguito nel tempo e contato quando attraversa la linea, separando le due direzioni di marcia.
Codice
Tracking e conteggio veicoli con YOLO
Script Python: rilevamento con un modello YOLO pre-addestrato, tracciamento degli oggetti fra un fotogramma e l’altro, conteggio al passaggio di una linea.
Codice
Rilevamento incidenti stradali da webcam del traffico
Dal tracciamento dei veicoli alle collisioni: traiettorie che convergono, frenate brusche e contatti fra riquadri vengono segnalati come possibile incidente.
Colab
Conteggio auto in un parcheggio da foto drone
Notebook condiviso che funziona solo in parte: auto piccole, viste dall’alto, con ombre e vetture coperte. Serve a vedere dal vivo dove un modello generico fallisce.
Codice
Caschetti in cantiere: addestramento e riconoscimento
Istruzioni per preparare l’ambiente (Python, CUDA, Ultralytics), i comandi dei due addestramenti e dei test, e lo script rileva_caschi.py che lavora su una foto o sulla webcam.
Modello pronto
YOLOv8 per il rilevamento di crepe
Modello già addestrato, pubblicato su Hugging Face, per riconoscere crepe nelle fotografie: una prova rapida di cosa si ottiene senza addestrare nulla.
Prova
Rendering di interni ed esterni con Gemini (Nano Banana)
Da una foto o da uno schizzo a un rendering fotorealistico con il modello di immagini di Gemini: cosa chiedere, cosa controllare, dove sbaglia.
Strumenti online
Strumento
Teachable Machine
Addestrare un classificatore di immagini nel browser, senza codice. È lo strumento degli esercizi.
Strumento
Google Colab
Notebook Python eseguiti nel cloud, con GPU gratuita a tempo: dove gira la demo del parcheggio.
Strumento
Ultralytics YOLO
La libreria usata per rilevare veicoli, incidenti e caschetti. Documentazione, installazione, modelli pre-addestrati.
Strumento
Hugging Face
Archivio pubblico di modelli e dataset già pronti, da provare prima di addestrare qualcosa in proprio.
Strumento
NotebookLM
Carica perizie, relazioni di cantiere e capitolati e interroga solo quelli: risposte con la citazione del passaggio. Diverso da una chat, che non conserva i documenti fra una sessione e l’altra e li legge solo in parte quando sono molti.
Normativa, etica e privacy
Quadro informativo per orientarsi, non un parere legale: per il caso concreto serve il proprio consulente.
Legge italiana
Legge 23 settembre 2025, n. 132 — disposizioni in materia di intelligenza artificiale
In vigore dal 10 ottobre 2025. L’articolo 13 impone ai professionisti intellettuali di informare il cliente, con linguaggio chiaro e completo, sui sistemi di IA usati nell’esecuzione dell’incarico: è l’obbligo trattato nel modulo di etica.
Regolamento UE
AI Act — Regolamento (UE) 2024/1689
Il quadro europeo sull’IA: classificazione per rischio, obblighi di trasparenza (art. 50) e alfabetizzazione del personale che usa sistemi di IA (art. 4), in vigore dal 2 febbraio 2025.
Ordine professionale
Documento C3I sull’intelligenza artificiale per gli ingegneri
Indicazioni del Comitato Italiano Ingegneria dell’Informazione sull’uso dell’IA nella professione, pubblicate dall’Ordine degli Ingegneri di Verona.
Privacy
GDPR — Regolamento (UE) 2016/679 e Garante
Base per il modulo sulla privacy: caricare in un servizio di IA dati di clienti, lavoratori o immobili è un trattamento, e vale anche per i dati che si danno a una chat.
Lavoro
Statuto dei lavoratori, art. 4 — controllo a distanza
Telecamere con IA che verificano il comportamento dei lavoratori in cantiere sono controllo a distanza: servono accordo sindacale o autorizzazione dell’Ispettorato prima dell’installazione. È il punto che chiude il caso dei caschetti.
Le risorse segnate In preparazione vengono pubblicate man mano; questa pagina è il punto di raccolta anche per i prossimi corsi sull’IA.