Progettazione e Analisi dei Dati: comprenderli e valorizzarli tramite Tecniche Avanzate di AI/ML

Categoria corso

Verticale

Tipologia

Basic

Durata

24 ore [suddivise in 6 moduli - 2 moduli al giorno da 4h ognuno, in 3 giorni]

Orario

09:00 - 13:00 | 14.00 - 18.00

Lingua

Italiano

Tutor

Vito Primavera

Descrizione

Il corso “Progettazione DOE & Analisi Dati”, articolato in 6 moduli suddivisi in 3 giornate, è rivolto ai tecnici che intendono acquisire una elevata competenza nel campo sia della progettazione delle prove da eseguire (in laboratorio oppure con analisi numeriche) sia dell’interpretazione dei dati con esse ottenuti nonché alla creazione di modelli previsionali (RSM)

Il primo argomento del corso, Progettazione DOE (Design Of Experiments), ha come oggetto l’apprendimento delle conoscenze teoriche e pratiche necessarie per la generazione degli esperimenti in grado di massimizzare la qualità delle informazioni che i dati possono fornire. Questo richiede l’applicazione di algoritmi in grado di posizionare “intelligentemente” gli esperimenti nello spazio di progetto (in funzione anche dello scopo finale dello studio), eliminando da una parte le osservazioni ridondanti e, dall’altra riducendo il tempo/risorse per effettuare le analisi/esperimenti.

Il secondo argomento del corso, logicamente a valle del precedente, ha come oggetto l’apprendimento delle conoscenze teoriche e pratiche necessarie ad un utilizzo esperto di opportuni metodologie e strumenti di analisi dati. L’obiettivo è gestire il percorso “dati  informazione  conoscenza”, il cui esito può essere l’implementazione di un processo di ottimizzazione più consapevole ed efficiente, oppure la conoscenza stessa utile alla comprensione della propria applicazione.

Le metodologie e gli strumenti impiegati ricadono nell’ambito della statistica classica, dell’approccio Exploratory Data Analysis (EDA) e delle tecniche di Multi-Variate Analysis (MVA), ognuno dei quali ha una propria prerogativa di utilizzo, ma che possono anche essere usati contestualmente allo scopo di incrementare il livello di confidenza relativo alla conoscenza acquisita.

L’ultimo argomento trattato ha come oggetto l’apprendimento delle conoscenze tecniche e pratiche per la generazione di modelli previsionali.

Allo scopo di rendere interattivo il corso tramite modalità online, è prevista la realizzazione di una serie di esempi applicativi, da effettuarsi immediatamente a valle della descrizione teorica degli argomenti trattati, utilizzando un software commerciale.

Destinatari

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

• comprendere il comportamento dell’applicazione di interesse in ottica sia di gestirne le prestazioni sia di ri-utilizzare la conoscenza acquisita rispetto ad applicazioni simili
• individuare i “driving parameters” della propria applicazione, incrementando di conseguenza l’efficienza di un eventuale processo di ottimizzazione o delle prove di laboratorio
• poter effettuare delle scelte in funzione di criteri oggettivi e risultati giustificabili

Propedeuticità

Conoscenza base di analisi statistica

Agenda

Modulo 1 – Tecniche di DOE (durata 4h) – Giorno 1/3

• Definizione DOE
• Quando e Perché applicare tecniche DOE
• Caratteristiche principali algoritmi di DOE
• Esempi applicativi

Modulo 2 – Analisi Statistica (durata 4h) – Giorno 1/3

• Importanza Analisi Statistica
• Correlation e Scatter Matrix
• T-Student
• Sensitivity Analysis (Pareto Plot)
• Esempi applicativi

Modulo 3 –Analisi Statistica (durata 4h) – Giorno 2/3

• Linear e Interaction Effects
• Probability Density Function (PDF)
• Cumulative Distribution Function (CDF)
• Esempi applicativi

Modulo 4 – RSM (durata 4h) – Giorno 2/3

Definizione Response Surface Model (RSM)

Caratteristiche principali algoritmi di RSM

Esempi applicativi

Modulo 5 – Tecniche avanzate di Data Mining: introduzione MVA e PCA (durata 4h) – Giorno 3/3

• Intro Multi Variate Analysis (MVA)
• Principal Component Analysis (PCA)
• Esempi applicativi

Modulo 6 – Tecniche avanzate di Data Mining: Clustering e SOM (durata 4h) – Giorno 3/3

• Clustering (H and partitive)
• Self-Organizing Maps (SOM)
• Esempi applicativi