Il corso si prefigge l’obiettivo di fornire al partecipante un bagaglio di conoscenze di base nel campo delle machine learning e dell’intelligenza artificiale per scopi industriali. Verranno introdotti i concetti chiave alla base del machine learning e sviluppati con maggiore dettaglio alcuni di essi. Esempi pratici completeranno la comprensione dei concetti illustrati. Al termine del corso il partecipante avrà gli strumenti per progettare software capaci di estrapolare il contenuto informativo dei dati forniti da macchine, impianti, sensori, ma anche per approfondire gli argomenti con mezzi propri. Per esempio riconoscere particolari stati del sistema (pattern recognition), rilevare l’inizio di un trend, oppure capire se ci sono relazioni non immediatamente evidenti nei dati raccolti. I concetti esposti trovano una naturale applicazione nel campo industriale, con una ampia rosa di possibili scopi, tra cui ottimizzazione di processi, individuazione precoce di stati di guasto o pericolo, scelte decisionali basate su pattern di dati anche molto complessi, ma anche ad esempio lo studio delle connessioni fra le scelte aziendali e le risposte del mercato, a scopo di pianificazione futura.
Apprendimento supervisionato
Introduzione generale su machine learning e intelligenza artificiale
Apprendimento supervisionato: generalità, classificazione, regressione
Illustrazione di alcuni algoritmi basati su apprendimento supervisionato
Valutazione delle performances
Apprendimento non supervisionato e laboratorio
Apprendimento non supervisionato: analisi multivariata e riduzione dimensionalità
Data mining
Cenni su algoritmi di clustering
Attività pratica: utilizzo di Python® con le librerie Scikit-learn per applicare i concetti esposti
