AI-ROM: Dai dati sperimentali a modelli predittivi real-time

Categoria corso

Verticale

Tipologia

Advanced

Durata

8 ore [2 giornate da 4 ore]

Orario

09:00 - 13:00

Lingua

Italiano

Tutor

Novella Saccenti

Descrizione

EnginSoft, all'interno del suo ampio portfolio di corsi di formazione, offre un corso teorico-pratico sulla creazione di modelli matematico – statistici a basso impatto computazionale basata sulle metodologie di Reduced Order Modeling (ROMs).

Il corso ha lo scopo di proporre una prospettiva teorica e pratica sull'applicazione dei modelli di regressione e classificazione nelle discipline dell'analisi numerica avanzata e sulla generazione di modelli predittivi che utilizzano dati sperimentali acquisiti dal campo o generati virtualmente. Tali modelli predittivi saranno sviluppati applicando algoritmi ROM.

I ROM offrono numerosi vantaggi, tra cui una significativa riduzione del tempo di calcolo e dell’impatto computazionale, che li rendono facilmente integrabili nei workflow di design già esistenti. L’utilizzo di algoritmi di Intelligenza Artificiale (IA) rappresenta un approccio avanzato ed innovativo fondamentale per il miglioramento dell’accuratezza e dell’effort computazionale. L’utilizzo di tecnologie open source, quali il linguaggio di programmazione Python, permette una vasta usabilità in tutte le aziende interessate. La possibilità di testare e modificare a piacimento gli esempi e gli algoritmi, rendono questo corso trasversale e di facile comprensione.

L’obiettivo primario di questo corso è di introdurre i partecipanti ad un modus operandi di facile interpretazione, partendo da dati sperimentali disponibili da vari fonti e applicando algoritmi di regressione, classificazione e predizione.

Ogni argomento consta di una parte teorica, seguita da esercizi.

Destinatari

Il corso è rivolto a utenti (ingegneri di tutte le specializzazioni, progettisti, ricercatori) per i quali è indispensabile:

• generare una “black box” eseguibile a partire da dati sperimentali
• ridurre l’effort computazionale di modelli di dettaglio complessi
• predire l’output in real-time
• utilizzare i modelli ridotti nella modellazione di sistema

Propedeuticità

Conoscenza base della programmazione in Python

Agenda

• Introduzione ai modelli ROM
• Import di dati sperimentali e/o virtuali da diverse fonti
• Analisi a priori di dati e preparazione degli stessi
• Introduzione alla libreria sklearn
• Introduzione alla libreria pyMOR
• Introduzione alla libreria pyFmi