- Docente: Michele Lombardi
- Crediti formativi: 6
- SSD: ING-INF/05
- Lingua di insegnamento: Inglese
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea Magistrale in Artificial intelligence (cod. 9063)
Conoscenze e abilità da conseguire
Al termine dell'attività formativa, lo studente ha una conoscenza approfondita sulle applicazioni industriali che beneficiano di tecniche di apprendimento automatico, ottimizzazione, e simulazione. Lo studente ha una conoscenza specifica di casi pratici presentati dal docente e da seminari tenuti da esperti di dominio in vari settori come quello manifatturiero, automobilistico, e multimediale.
Contenuti
Breve introduzione al tema delle Business Analytics
Casi di studio semplificati in contesto industriale (senso lato) e relativi metodi di soluzione. Alcuni esempi rappresentativi che potrebbero essere inclusi:
- Problemi di individuazione di anomalie
- Predizione del tempo di vita residuo
- Politiche di manutenzione basate sul tempo di vita residuo
- Tracciamento efficiente di componenti
- Definizione di classi di credito
- Sistemi di raccomandazione equi
- Problemi di gestione della rete di distribuzione elettrica
- Controllo di epidemie
- Pianificazione della produzione
Metodologie generali:
- Modellazione matematica di problemi industriali
- Scelta e valutazione di tecniche di Intelligenza Artificiale per un problema
- Approccci per la combinazione e l'integrazione di metodi di Intelligenza Artificile, quali: codifica, decomposizione, metodo del subgradiente, ottimizzazione bi-livello e modelli surrogati
Seminari e casi di studio da esperti industriali
Testi/Bibliografia
Il materiale didattico principale sarà costituito dalle slide del corso, che conterranno collegamenti ai riferimenti rilevanti
Metodi didattici
Lezioni frontali, discussioni di gruppo ed esempi su notebook Jupyter (Python)
Modalità di verifica e valutazione dell'apprendimento
Progetti individuali o di gruppo (al massimo due studenti).
Un insieme limitato di argomenti sarà presentato nella prima metà del corso; gli studenti possono proporre un tema di progetto, che deve però essere approvato dal docente.
L'esame consisterà nella presentazione e discussione del lavoro di progetto.
Strumenti a supporto della didattica
Il corso farà uso estensivo di slide in formato PDF, mentre diversi esempi saranno forniti mediante notebook Jupyter.
Il corso richiederà diverse librerie per apprendimento automatico ed ottimizzazione, gratuite per uso accademico.
Orario di ricevimento
Consulta il sito web di Michele Lombardi