{"id":1057,"date":"2021-04-01T10:55:08","date_gmt":"2021-04-01T08:55:08","guid":{"rendered":"http:\/\/dottorati.unica.it\/dotticar\/?p=1057"},"modified":"2021-04-01T20:45:43","modified_gmt":"2021-04-01T18:45:43","slug":"introduzione-al-machine-learning-con-applicazioni-allingegneria-civile-e-ambientale-analisi-territoriale-e-architettura","status":"publish","type":"post","link":"https:\/\/dottorati.unica.it\/dotticar\/introduzione-al-machine-learning-con-applicazioni-allingegneria-civile-e-ambientale-analisi-territoriale-e-architettura\/","title":{"rendered":"Introduzione al machine learning, con applicazioni all’ingegneria civile e ambientale, analisi territoriale e architettura"},"content":{"rendered":"

Corso
\n<\/em>Inizio 6 aprile 2021
\n<\/em>Docente: Giuseppe Andrea Trunfio, DADU, Universit\u00e0 degli Studi di Sassari<\/p>\n

Corso<\/strong>
\nDocente: prof. Giuseppe Andrea Trunfio<\/a>, DADU, Universit\u00e0 degli Studi di Sassari<\/strong><\/p>\n

Durata: 20 ore<\/p>\n

Data d’inizio: 6 aprile 2021, ore 15-17.<\/p>\n

Le lezioni si terranno con cadenza settimanale, di norma di marted\u00ec dalle 15:00 alle 17:00, con possibilit\u00e0 di concordare variazioni a seconda delle esigenze.<\/p>\n

 <\/p>\n

\"\"<\/h3>\n

Sunto del corso<\/h3>\n

Il machine learning include una variet\u00e0 di tecniche che consentono ai computer di automatizzare la costruzione di modelli dai dati, con un intervento umano ridotto al minimo. Si tratta di un campo che si \u00e8 rapidamente sviluppato negli ultimi anni grazie alla crescita della disponibilit\u00e0 di dati accessibili ai computer, all\u2019aumentata potenza di elaborazione e capacit\u00e0 di memorizzazione, nonch\u00e9 ai continui progressi nel campo degli algoritmi. In questo corso, verranno introdotti i pi\u00f9 importanti concetti e algoritmi alla base del machine learning, illustrandone i limiti e le potenzialit\u00e0, con particolare riferimento ad applicazioni di interesse per l\u2019ingegneria civile e ambientale, l\u2019architettura e l\u2019analisi territoriale.<\/p>\n

\u00c8 consigliata una conoscenza operativa d\u2019uso del software R.<\/strong><\/em><\/p>\n

Descrizione<\/h3>\n

Il machine learning include una variet\u00e0 di tecniche che consentono ai computer di automatizzare la costruzione di modelli dai dati, con un intervento umano ridotto al minimo. Si tratta di un campo che si \u00e8 rapidamente sviluppato negli ultimi anni grazie alla crescita della disponibilit\u00e0 di dati accessibili ai computer, all\u2019aumentata potenza di elaborazione e capacit\u00e0 di memorizzazione, nonch\u00e9 ai continui progressi nel campo degli algoritmi. I recenti successi nelle applicazioni del machine learning hanno poi favorito la tendenza a raccogliere ancora pi\u00f9 dati, per elaborare i quali vengono rese disponibili sempre maggiori potenze di calcolo. Il machine learning ci ha recentemente portato anche alle auto a guida automatica, a straordinari miglioramenti nella visione artificiale, ad avanzati strumenti basati sul riconoscimento vocale e della scrittura. Le applicazioni riguardano innumerevoli altri campi, e includono un notevole miglioramento della conoscenza del genoma umano, la scoperta di sequenze genetiche legate ad alcune malattie, l\u2019identificazione di aree urbane in cui \u00e8 pi\u00f9 probabile l’attivit\u00e0 criminale, l\u2019identificazione automatica delle transazioni fraudolente con carta di credito, l\u2019ottimizzazione del consumo di energia nelle case e negli uffici, le applicazioni della domotica, oltre alla segmentazione dei potenziali clienti per inviare loro pubblicit\u00e0 mirata. Una tendenza di ricerca particolarmente interessante \u00e8 poi quella del machine learning a supporto della modellistica, ad esempio nel campo dell\u2019ingegneria, che vede la realizzazione di diversi tipi di sinergie tra approcci tipicamente di data science e tradizionali approcci modellistici basati sulla teoria. Si pu\u00f2 affermare che virtualmente in ogni campo scientifico \u00e8 ormai possibile ipotizzare potenziali avanzamenti basati sulle tecniche di machine learning. In questo corso, verranno introdotti i pi\u00f9 importanti concetti e algoritmi alla base del machine learning, illustrandone i limiti e le potenzialit\u00e0, con particolare riferimento ad applicazioni di interesse per l\u2019ingegneria civile e ambientale, l\u2019architettura e l\u2019analisi territoriale. Le lezioni sono rivolte a laureati in possesso delle basi matematiche e competenze informatiche tipiche dei laureati in ingegneria ed architettura. Durante le attivit\u00e0 si user\u00e0 il noto ambiente R per il calcolo statistico al fine di sperimentare le tecniche oggetto di studio.<\/p>\n

\u00c8 consigliata una conoscenza operativa d\u2019uso del software R.<\/strong><\/em><\/p>\n

Agromenti<\/h3>\n