logo-polimi
Loading...
Manifesto
Struttura Corso di Studi
Cerca/Visualizza Manifesto
Dati Insegnamento
Scarica il Manifesto
Regolamento didattico
Consulta il Regolamento
Indicatori corsi di studio
Elenco docenti
Strutture didattiche
Internazionalizzazione
Orario Personalizzato
Il tuo orario personalizzato è disabilitato
Abilita
Ricerche
Cerca Docenti
Cerca Insegnamenti
Cerca insegnamenti degli Ordinamenti precedenti al D.M.509
Erogati in lingua Inglese

Legenda
Semestre (Sem)
1Primo Semestre
2Secondo Semestre
AInsegnamento Annuale
Attività formative
CAffini 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
Dati Insegnamento
Contesto
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

Scheda Insegnamento
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

Orario: aggiungi e rimuoviScaglioneCodiceDenominazione ModuloDocente/iCFUSem.Lingua offertaProgramma dettagliato
Da (compreso)A (escluso)
---AZZZZ054061MODEL IDENTIFICATION AND MACHINE LEARNING [2]Vercellis Carlo5.01
054060MODEL IDENTIFICATION AND MACHINE LEARNING [1]Garatti Simone7.01
manifesti v. 3.7.7 / 3.7.7
Area Servizi ICT
17/02/2025