Salta al contenuto principale della pagina

ANALISI DI BIG DATA PER LE MACCHINE A FLUIDO

CODICE 104837
ANNO ACCADEMICO 2021/2022
CFU
  • 6 cfu al 2° anno di 9270 INGEGNERIA MECCANICA - ENERGIA E AERONAUTICA(LM-33) - GENOVA
  • SETTORE SCIENTIFICO DISCIPLINARE ING-IND/08
    SEDE
  • GENOVA
  • PERIODO 1° Semestre
    MATERIALE DIDATTICO AULAWEB

    OBIETTIVI E CONTENUTI

    OBIETTIVI FORMATIVI

    Fornire agli studenti gli strumenti per - l’analisi di estese banche dati sperimentali o numeriche, -l’identificazione delle informazioni principali contenute in esse, - lo sviluppo di modelli di ordine ridotto in grado di riprodurre l’andamento dinamico e statistico del sistema all’origine dell’insieme di dati, a supporto dello sviluppo di macchine a fluido.

    OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

    Lo studente alla fine del corso sarà in grado di:

    - Sviluppare programmi in ambiente di calcolo Matlab per l'elaborazioni di grosse banche dati tipiche delle macchine a fluido. In particolare, lo studente implementerà programmi per l'identificazione delle informazioni fondamentali di un set di dati, e per l'estrazione di modelli di regressione

    - Interpretare i risultati delle diverse decomposizioni modali (Proper Orthogonal Decomposition, Dynamic Mode Decomposition) introdotte durante il corso

    - Identificare il metodo ottimale per ridurre un set di dati a seconda della tipologia dei dati e dei parametri ingegneristici caratterizzanti il problema

    - Comprendere e dimostrare le teorie alla base di alcune recenti tecniche di Machine Learning

    MODALITA' DIDATTICHE

    L’insegnamento si svolge prevalentemente attraverso lezioni frontali. Consiste in una parte teorica affiancata da esercitazioni di laboratorio informatico svolte in ambiente di programmazione Matlab. E’ fortemente consigliata la frequenza perché gli argomenti trattati e discussi in aula e le nozioni fornite durante il laboratorio di informatica possono essere assimilati più facilmente e sono gli unici richiesti per il superamento della prova finale.

    PROGRAMMA/CONTENUTO

    Il modulo intende fornire gli elementi di base dell'analisi di grose banche dati. Vengono trattati diversi metodi per la riduzione dimensionale dei dati e recenti metodi "Machine learning" per lo sviluppo di modelli. Nel dettaglio vengono trattati i seguenti temi:

    1. Decomposizione dei dati: trasformata di Fourier e decomposizione ai valori singolari (SVD).

    2. Analisi dei dati e Machine learning: regressioni e selezione del modello, classificazioni e reti neurali.

    3. Modelli di ordine ridotto: applicazioni della Proper Orthogonal Decomposition (POD).

    4. Analisi di un sistema dinamico tramite approcci "Data-Driven": applicazione della Dynamic Mode Decomposition (DMD).

    5. Ogni argomento prevede esercitazioni informatiche tramite Matlab in modo da consentire allo studente di sviluppare programmi per l'elaborazione dei dati con appicazioni specifiche alla macchine a fluido.

    TESTI/BIBLIOGRAFIA

    Brunton, Steven L., and J. Nathan Kutz. Data-driven science and engineering: Machine learning, dynamical systems, and control. Cambridge University Press, 2019.

    Dreyfus, Gérard. Neural networks: methodology and applications. Springer Science & Business Media, 2005.

    DOCENTI E COMMISSIONI

    Commissione d'esame

    DAVIDE LENGANI (Presidente)

    MATTEO DELLACASAGRANDE

    DANIELE PETRONIO

    DANIELE SIMONI

    LEZIONI

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    L’esame si svolgerà in due parti, da sostenere nella stessa giornata. Nella prima parte verrà presentata dallo studente un’esercitazione di elaborazione di dati forniti allo studente durante il corso. Nella seconda parte verrà effettuata una verifica orale delle conoscenze dello studente sugli argomenti di base esposti all’interno dell’insegnamento. La data verrà concordata su appuntamento.

    MODALITA' DI ACCERTAMENTO

    L’esame orale permetterà di verificare l’apprendimento dello studente delle teorie matematiche alla base dell'analisi di big data e delle differenti tipologie di approccio alla loro analisi. L’esercitazione consentirà di verificare la capacità dello studente di sviluppare un programma in ambiente Matlab allo scopo di trattare, post-processare ed analizzare opportunamente grandi banche dati, raggiungendo l’obiettivo preposto in termini di analisi statistica e/o dinamica del sistema oggetto di studio e riduzione di ordine del problema.

    Calendario appelli

    Data Ora Luogo Tipologia Note
    18/02/2022 15:00 GENOVA Esame su appuntamento
    16/09/2022 15:00 GENOVA Esame su appuntamento