- Teacher: Laura Cattaneo
- Teacher: Giovanni Luca Pirovano
Data Mining per l'Operational Excellence 2024/2025
Gli algoritmi del Machine Learning sono in continua e crescente evoluzione, grazie alla maturità tecnologica raggiunta sia nella raccolta di dati, grazie alla disponibilità di sensori sempre più economici che possono essere installati su macchine ed impianti, sia nel calcolo computazionale e, quindi, nella capacità di analisi in real-time di enormi quantità di dati, anche molto diversi da loro. Notevole è l’impatto che l’uso di queste tecnologie ed algoritmi possono avere nelle aziende in termini di analisi del dato per garantire l’ottimizzazione delle decisioni, l’aumento dell’efficienza dei processi aziendali, e l’automatizzazione di più attività e di gestione delle risorse.
Lo studente sarà capace di:
- Definire l’obiettivo che si vuole raggiungere grazie all’analisi dei dati;
- Definire quali dati sono necessari e quindi raccogliere e preparare i dati in base all’obiettivo definito;
- Identificare la classe di algoritmi idonei da applicare, in base all’obiettivo definito e ai dati a disposizione;
- Implementare e valutare i diversi algoritmi appartenenti alla classe scelta;
- Analizzare in maniera critica i risultati ottenuti, anche in base alla conoscenza ingegneristica che si ha del problema;
- Selezionare il modello più adeguato (ottimizzato) al caso specifico.
Gli argomenti trattati prevedono sessioni di aula "tradizionali" dove verranno trattati gli argomenti più teorici ed esercitazioni supportate dal calcolatore, dove verranno implementati gli algoritmi studiati e risolti alcuni esempi. Al termine delle lezioni tradizionali, sono previste lezioni dedicate al project-work.
L'apprendimento dei contenuti è verificato attraverso la risoluzione in gruppo di un caso di studio. Gli studenti consegneranno una presentazione riassuntiva del lavoro svolto e i file implementati per lo svolgimento/risoluzione del caso. Il lavoro sarà presentato durante una sessione plenaria, in cui gli studenti avranno modo di vedere anche il lavoro svolto dagli altri gruppi. Il caso è assegnato durante il corso.
Per gli appelli successivi alla sessione invernale, i docenti assegneranno un caso diverso da quello assegnato durante il corso e un tempo adeguato per lo svolgimento.