Intelligent systems for industry, supply chain and environment

A.A. 2020/2021
6
Crediti massimi
48
Ore totali
SSD
INF/01
Lingua
Inglese
Obiettivi formativi
L'insegnamento ha lo scopo di introdurre gli studenti alle metodologie e tecniche per la realizzazione di sistemi intelligenti per il monitoraggio e il controllo in applicazioni industriali, ambientali, tipicamente fondate su tecniche di intelligenza artificiale.
Risultati apprendimento attesi
Lo studente al termine dell'insegnamento dovrà essere in grado di gestire la scelta, la progettazione, l'allenamento, la verifica delle prestazioni e la comparazione di sistemi intelligenti impiegati con diverse funzionalità quali il monitoraggio e il controllo in applicazioni industriali e ambientali e della supply chain.
Programma e organizzazione didattica

Edizione unica

Responsabile
Periodo
Secondo semestre
In caso di didattica emergenziale, sono disponibili lezioni asincrone complete (video lezioni costituite da registrazione dei lucidi della lezione con commento audio) e consultabili direttamente sulla piattaforma. Negli orari stabiliti del corso, si potranno si potranno avere integrazioni o discussioni in modalità sincrona. Il corso erogato in modalità asincrona risulterà in ogni caso completo. Il programma non subirà modifiche.
In caso di didattica emergenziale, gli esami a distanza saranno svolti con l'utilizzo della piattaforma MOODLE con SEB con le modalità illustrate sul portale dell'Ateneo. La prova scritta avrà la medesima struttura e simile durata alla normale prova in presenza.
Programma
Il corso presenta tecniche di intelligenza artificiale per la progettazione, allenamento e l'impiego efficace di sistemi intelligenti in un ampio campo di applicazioni.

Dopo una descrizione delle tecniche generali di progettazione dei sistemi intelligenti che vanno dalla creazione e gestione dei dataset di allenamento, alla scelta migliore dei modelli e metodi di allenamento, verranno presentate diverse piattaforme e ambienti per la creazione dei sistemi.

Il corso presenta numerosi esempi (corredati da codice direttamente impiegabile dagli studenti nelle varie piattaforme) e si focalizzerà sui seguenti argomenti:
· Intelligenza artificiale, sistemi intelligenti e loro applicazione.
· Sistemi deep learning: design, allenamento e validazione.
· Tecniche avanzate e best practices. Data augmentation, Transfer Learning.
· Studio dei principali ambienti per la creazione di sistemi intelligenti e l'uso del deep learning (approfondimento ed esempi con TensorFlow).
· Applicazione delle tecniche di deep learning per applicazioni basate sulle immagini.
· Applicazione del clustering e classificazione per la creazione di sistemi intelligenti.
· Estrazione automatica di caratteristiche da dati non strutturati, strutturati, ed immagini.
· Fusione delle informazioni.
· Sistemi intelligenti per la predizione.
· Tecniche per applicazioni di ambient intelligence.
· Applicazione per l'elaborazione segnali sensoriali e immagini: estrazione di caratteristiche, fusione dati multisensoriali. Classificazione. Studio di casi industriali.
· Applicazione delle tecniche ai sensori intelligenti, analisi dati sensoriali, reti di sensori e sistemi multisensoriali. Studio di casi ambientali, domotici e ambient intelligence.
· Predizione, monitoraggio e controllo. Applicazioni di sistemi intelligenti per la predizione in ambito industriale, ambientale e della supply chain. Predizione e monitoraggio della qualità. Applicazioni al monitoraggio ambientale. Applicazioni di sistemi intelligenti per il controllo di processi industriali, impianti industriali, sistemi robotici, prodotti complessi, sistemi di distribuzione dell'energia, automobili e sistemi di trasporto e per la catena produttiva.

Un elenco dettagliato degli argomenti trattati, lezione per lezione, viene pubblicato e aggiornato sul sito web dell'insegnamento.
Prerequisiti
Non sono richieste conoscenze preliminari.
Metodi didattici
Lezioni frontali
Materiale di riferimento
Sito di riferimento: http://fscottiisie.ariel.ctu.unimi.it/v5/home/Default.aspx
Slide delle single lezioni pubblicate sul sito di riferimento
Dispense pubblicate sul sito di riferimento
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame si articola in una singola prova scritta obbligatoria da compilare mediante PC in laboratorio che richiede la soluzione di esercizi e quesiti di tipo applicativo, di progettazione di sistemi intelligenti e quesiti per la verifica di nozioni teoriche della materia con domande a scelta multipla con tipologia e difficoltà analoghe a quelli proposti e discussi durante il corso. Il voto è espresso in trentesimi.
INF/01 - INFORMATICA - CFU: 6
Lezioni: 48 ore
Docente: Scotti Fabio
Docente/i
Ricevimento:
Su appuntamento via email
Dipartimento di Informatica, Via Celoria 18 - 20133 Milano (MI), Italy