- Industry Lab
- Summary
Course Syllabus
Obiettivi
Contenuti sintetici
Applicazione di tecniche statistiche e di machine learning per risolvere problemi di svarianta natura e obiettivi, inerenti il mondo dell'industria.
I problemi vengono proposti da aziende esterne all'università che partecipano al corso e mettendo a disposizione degli studenti dati reali di produzione o di loro interesse.
Programma esteso
La parte teorica del corso si concentra sul tema dell'Industria 4.0 al fine di contestualizzare al meglio le attività progettuali in questo campo di studio.
La parte del corso che tratta dei progetti è organizzata in più classi che hanno la seguente struttura:
- ripasso dei principali modelli e tecniche statistici e di machine learning (in Python)
- proposta e presentazione del problema da parte dei referenti delle aziende che collaborano con i referenti del corso
- studio individuale dello scenario da parte dello studente a casa e a lezione e sviluppo del progetto
- discussione e confronto delle soluzioni indagate dagli studenti
Prerequisiti
Corsi tenuti nel primo e secondo anno su statistica, machine learning, modelli decisionali, tecnologie ict.
Modalità didattica
Proposta di problemi, lavoro di gruppo, revisioni e feedback, discussione e confronto delle soluzioni.
Materiale didattico
Saranno fornite indicazioni nella settimana prima di ogni lezione.
Periodo di erogazione dell'insegnamento
Secondo semestre
Modalità di verifica del profitto e valutazione
Valutazione qualitativa di una documentazione scritta, del codice software e della presentazione orale.
Orario di ricevimento
Lunedì alle 12:00
Aims
The contents of the Industry Lab change every year, and refer to hot topics for industries and companies. This year the topics addressed are: Natural Language Understanding, unsupervised anomaly detection and image segmentation. Several companies have managed a packet of 6/7 hours proposing a problem about those topics to students, that individually or in group will investigate for a solution. At end solutions proposed by students will be compared and commented.
Contents
Application of statistical and machine learning techniques to solve problems of various nature and objectives, inherent in the industrial sector.
The problems are proposed by companies outside the university participating in the course and making real production data available to the students.
Detailed program
The theoretical part of the course focuses on the Industry 4.0 topic in order to best contextualize the project activities in this field of study.
The part of the course that focuses on the projects is organized in multiple classes that have the following structure:
- review of the main statistical and machine learning models and techniques (in Python)
- problem proposal and presentation by the contact persons of the collaborating companies
- class and home work by the students, followed by the project development
- discussion and comparison of solutions investigated by students
Prerequisites
Courses held in the first and second year on statistics, machine learning, decision models, ict technologies.
Teaching form
Problem proposal, group work, revisions and feedback, discussion and comparison of solutions.
Textbook and teaching resource
Will be ready one week before every slot of lessons.
Semester
Second semester
Assessment method
Quality assessment of written documentation, software code and oral presentation.
Office hours
Monday at 12:00
Key information
Staff
-
Stefania Marrara
-
Luca Mastrangelo