Con questa funzione puoi costruire il tuo calendario settimanale delle lezioni, personalizzato sulla base dei corsi che intendi seguire. Attenzione: l'Orario Personalizzato non sostituisce la presentazione del piano degli studi! E' uno strumento informale, che ti può aiutare a gestire al meglio l'organizzazione della frequenza alle lezioni prima della presentazione del piano studi. Dopo aver presentato piano ti raccomandiamo di utilizzare il servizio Orario delle lezioni presente nel tuo elenco dei Servizi Online.
Per creare il calendario personalizzato segui queste istruzioni:
- Clicca sul link "Abilita" per procedere. Ti verrà chiesto il cognome e nome per determinare il tuo scaglione alfabetico.
-
Per aggiungere o togliere insegnamenti dal tuo Orario Personalizzato, utilizza le iconcine che trovi in corrispondenza degli insegnamenti:
aggiunta dell'insegnamento
rimozione dell'insegnamento
selezione della sezione del laboratorio di Architettura (N.B: la sezione effettiva in cui si dovrà seguire la didattica verrà determinata dopo la presentazione dei Piani di Studio)
-
Nella barra laterale a sinistra è indicato il numero degli insegnamenti inseriti nell'Orario.
Sono inoltre presenti questi comandi:
Visualizza orario: permette di visualizzare l'orario sinottico settimanale
Elimina orario: cancella le selezioni effettuate
Al termine dell'inserimento, puoi stampare il calendario che hai costruito.
Semestre (Sem) | 1 | Primo Semestre | 2 | Secondo Semestre | A | Insegnamento Annuale | Attività formative | C | Affini o integrative | Lingua d'erogazione |  | Insegnamento completamente offerto in lingua italiana |  | Insegnamento completamente offerto in lingua inglese | -- | Non definita | Didattica innovativa |  | I CFU riportati a fianco a questo simbolo indicano la parte dei CFU dell'insegnamento erogati con Didattica Innovativa. Tali CFU riguardano:
- Cotutela con mondo esterno
- Blended Learning & Flipped Classroom
- Massive Open Online Courses (MOOC)
- Soft Skills
|
|
Anno Accademico
|
2019/2020
|
Scuola
|
Scuola di Ingegneria Industriale e dell'Informazione
|
Corso di Studi
|
(Mag.)(ord. 270) - MI (471) Biomedical Engineering - Ingegneria Biomedica
|
Piano di Studio preventivamente approvato
|
BTE - Tecnologie elettroniche - Technologies for electronics
|
Anno di Corso
|
1
|
Codice Identificativo
|
054062
|
Denominazione Insegnamento
|
MODEL IDENTIFICATION AND MACHINE LEARNING [I.C.]
|
Tipo Insegnamento
|
Corso Integrato
|
Crediti Formativi Universitari (CFU)
|
12.0
|
Semestre
|
Primo Semestre
|
Programma sintetico
|
The goal of the course is to provide the background for advanced modelling and data analysis, together with Kalman Filter techniques for parameters and virtual sensors estimation. The course is also intended to illustrate data mining concepts and methods, and to provide an introduction to optimization theory. The course has both a theoretical and a practical flavour, and is focused on the following topics: Stationary stochastic processes generated as output of dynamic systems. ARMA and ARMAX models. Prediction. Non-parametric models based on the spectral characteristics of a process. Estimation methods based on minimum prediction error. Model complexity analysis and parameters identification. Virtual sensors: Kalman Filter; Extended Kalman Filter for gray-box parameters identification. Data mining process. Exploratory data analysis, data preparation and feature selection techniques. Classification methods. Clustering. Association rules. Introduction to linear optimization.
L'obiettivo del corso è fornire agli studenti le basi per l'utilizzo di tecniche di modellistica "black-box" dei sistemi e di trattamento dei dati, unitamente a tecniche (Kalman Filter) di stima gray-box di parametri e di sensori virtuali. Il corso illustra, inoltre, le principali tecniche di data mining e fornisce un'introduzione alla teoria e ai metodi dell'ottimizzazione lineare. Il corso ha carattere metodologico ma consente un immediato impiego delle nozioni acquisite a numerosi problemi di carattere applicativo che sorgono in diversi settori dell'ingegneria.
Il corso riguarderà i seguenti argomenti: Analisi dei processi stocastici stazionari generati da sistemi dinamici. Modelli ARMA e ARMAX. Predizione. Modelli non-parametrici basati sulle caratteristiche spettrali di un processo. Metodi di stima a minimizzazione dell'errore di predizione. Analisi e scelta della complessità e della parametrizzazione dei modelli. Sensori "virtuali": Tecniche di filtraggio alla Kalman. Extended Kalman Filter per la stima gray-box dei parametri di modelli. Processo di data mining. Analisi esplorativa dei dati e principali tecniche di feature selection. Metodi di classificazione. Metodi di clustering. Regole associative. Introduzione all'ottimizzazione lineare.
|
Settori Scientifico Disciplinari (SSD)
|
Attività formative
|
Codice SSD
|
Descrizione SSD
|
CFU
|
C
|
ING-INF/04
|
AUTOMATICA
|
7.0
|
C
|
INF/01
|
INFORMATICA
|
5.0
|
|
|