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
L'esame si compone di due parti:
- Attività progettuale
- Colloquio orale sulla relazione di progetto
L'attività progettuale è la proposta di una soluzione per uno degli scenari che sono stati presentati dalle aziende durante il corso. Lo studente dovrà, individualmente o in gruppo:
- implementare una soluzione software per analizzare i dati proposti e risolvere il problema dato
- redigere un report scritto che contestualizzi il problema all’interno del mondo Industry 4.0 e dettagli le scelte implementative, l’esplorazione dei dati e i modelli utilizzati, motivando le decisioni e le ipotesi prese in ogni fase dell'analisi
Ogni gruppo che vorrà iscriversi a una sessione di esame dovrà necessariamente consegnare prima della data dell’esame la soluzione software e il report scritto.
Nelle sessioni d'esame gli studenti presenteranno oralmente il loro progetto e risponderanno alle domande posta dal docente riguardanti il lavoro svolto. Infine verrà proposto il loro voto.
Il report scritto e la presentazione orale potranno essere entrambi in italiano, in inglese oppure seguire un approccio misto (scritto in inglese e presentazione in italiano o viceversa).
La valutazione finale terrà in considerazione:
- la leggibilità e la completezza del report scritto
- la qualità e la riproducibilità del codice software
- la sintesi e la precisione dell'esposizione orale
Statistiche dei voti nella passata edizione:
- media: 28.8
- minimo: 22
- % voti > 26: 88%
- % voti > 29: 60%
- % 30 Lode: 25%
Orario di ricevimento
Aims
The contents of the Industry Lab change every year, and refer to hot topics for industries and companies. Several companies participate in the lessons by proposing problems on these topics to the 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
The exam consists of two parts:
- Project activity
- Oral presentation
The project activity is the proposal of a solution for one of the scenarios that were presented by the companies during the course. The student must, individually or in a group:
- implement a software solution to analyze the proposed data and solve the problem
- write a report, in which the student contextualizes the problem within the Industry 4.0 topic and details the implementation choices, the exploration of the data and the models used, motivating the decisions and assumptions made in each phase of the analysis
Each group wishing to enroll in an exam session must necessarily deliver the software solution and the written report before the exam date.
During the exam sessions, students will orally present their project and they will answer the questions posed by the teacher about the project. Finally, their grades will be proposed.
The written report and the oral presentation can both be in Italian, in English or follow a mixed approach (written in English and presentation in Italian or vice versa).
The final evaluation will take into consideration:
- the readability and completeness of the written report
- the quality and reproducibility of the software code
- the synthesis and precision of the oral exposition
Statistics of grades in the past edition:
- mean: 28.8
- minimum: 22
- % grades > 26: 88%
- % grades > 29: 60%
- % 30 cum laude: 25%
Office hours
To be agreed individually with the course teachers
Staff
-
Stefania Marrara
-
Luca Mastrangelo