Metodologie e tecnologie per la digitalizzazione dei beni culturali: strumenti, algoritmi di intelligenza artificiale e piattaforme, 05 marzo 2024
https://dati.fondazionelevi.it/lod/resource/IT-LEVI-EVENT0001-000336 <http://dati.beniculturali.it/cis/CulturalEvent>
Il terzo seminario approfondirà le metodologie e le tecnologie utilizzate per la digitalizzazione dei beni culturali. I partecipanti avranno l'opportunità di conoscere gli strumenti, gli algoritmi di intelligenza artificiale e le piattaforme impiegate per acquisire, elaborare e conservare le informazioni digitali relative ai beni culturali. Esperti del settore presenteranno le migliori pratiche e le tecnologie all'avanguardia, offrendo approfondimenti sulle diverse metodologie e sugli strumenti disponibili per la digitalizzazione dei beni culturali.
5 Marzo 2024
Docenti
Gennaro Michele Di Pietro
responsabile dei progetti di digitalizzazione dei beni culturali presso Siav.
Remko Bigai
AI Algorithms Engineer di Made in Heritage, R&D Manager di Mind@ware.
Giulia Clera
bibliotecaria e archivista digitale presso Fondazione Ugo e Olga Levi, consulente per progetti di digitalizzazione.
Giovanni Bruno
fondatore e CEO di Regesta.exe.
Fabiana Guernaccini
Data Architect di Regesta.exe.
Obiettivi di apprendimento
Il corso mira a fornire una panoramica approfondita dei moderni strumenti e delle tecnologie innovative impiegate nel processo di digitalizzazione dei beni culturali. Questo processo è fondamentale per la conservazione e la promozione del nostro patrimonio culturale in un mondo sempre più digitalizzato. Una parte essenziale del corso sarà dedicata all'approfondimento della gestione avanzata dei processi di digitalizzazione. Gli studenti avranno l'opportunità di esplorare l'uso di specifiche piattaforme progettate appositamente per la digitalizzazione dei beni culturali. Tali piattaforme offrono strumenti e risorse specializzate per catturare e preservare in modo accurato ogni dettaglio dei beni culturali, garantendo che possano essere fruibili in modalità digitale. Una parte significativa del corso si concentrerà anche sull'applicazione degli algoritmi di intelligenza artificiale (IA) nelle attività massive di post-produzione. L'IA offre soluzioni avanzate per il miglioramento delle immagini digitali, la segmentazione dei dettagli e l'estrazione di informazioni rilevanti da grandi quantità di dati. Gli studenti acquisiranno competenze pratiche nell'utilizzo di queste tecnologie per migliorare la qualità e l'utilità delle risorse digitali ottenute. Nella seconda parte del corso, verrà esaminato come queste tecnologie innovative si integrino nella pubblicazione dei risultati. Si esplorerà come le risorse digitalizzate possano essere condivise con il pubblico attraverso piattaforme software specializzate. Inoltre, si approfondirà l'importanza del Web semantico, un ambiente online che consente di collegare in modo intelligente le informazioni culturali, facilitando la scoperta e l'accesso da parte degli utenti. In conclusione, questo corso fornirà agli studenti una solida base di conoscenze e competenze pratiche per partecipare attivamente ai processi di digitalizzazione dei beni culturali e per contribuire al loro arricchimento e alla loro diffusione nel mondo digitale.
Programma
Lezione 1 – Metodologie e organizzazione del lavoro (a cura di Gennaro Michele Di Pietro) • Analisi del progetto, approccio alla digitalizzazione • Strumenti e qualità dell’immagine • Esempi, la declinazione del progetto in strumenti e metodologie
Lezione 2 – Gli algoritmi di Intelligenza Artificiale e Computer Vision (a cura di Remko Bigai) • Introduzione alla tecnologia degli algoritmi • Tipologie di post processing per la digitalizzazione massiva • Esempi di impiego degli algoritmi
Lezione 3 – Le piattaforme di pubblicazione (a cura di Remko Bigai e Giulia Clera) • Panoramica strumenti di pubblicazione • Presentazione dell’Opac Levi
Lezione 4 – Il WEb Semantico ( a cura di Giovanni Bruno e Fabiana Guernaccini) • Introduzione al web semantico • La tecnologia Linked open data • Esempi di pubblicazione LOD
xsd:string