Intelligenza Artificiale Pratica: dall’idea al progetto, Sezione: Modulo Online 2: Come integrare sistemi di IA in azienda | Mitica-Interreg

Non sei iscritto a nessun corso.

7 / 24

Info

Formato

Corso singolo

Lingua

Italiano

Filone

Tecnologie Abilitanti per la Decisione Imprenditoriale

Materia

Durata

Livello EQF

Area Disciplinare (Classificazione ISCED-F)

Licenza

Descrizione del corso

Gli obiettivi del corso sono:

Fornire una comprensione chiara, concreta e applicabile dei principali strumenti dell’Intelligenza Artificiale per il contesto delle MPMI manifatturiere
Consolidare la capacità di interpretare i dati aziendali attraverso i modelli fondamentali (Regressione, Classificazione, Clustering, Anomaly Detection, Generative AI)
Sviluppare consapevolezza critica sui limiti dell’AI, sui rischi (es. qualità dei dati, allucinazioni), e sulle scelte progettuali necessarie per avviare un progetto AI
Accompagnare i partecipanti verso la capacità di identificare problemi aziendali concreti risolvibili tramite AI
Fornire criteri strutturati per selezionare progetti, modelli, KPI e partner tecnologici.

Risultati di Apprendimento Attesi

Al termine del corso, il partecipante sarà in grado di:

Descrivere i principali modelli di AI e le loro applicazioni nel settore manifatturiero
Valutare la qualità e l’adeguatezza dei dati come prerequisito per progetti AI
Distinguere quando usare regressione, classificazione, clustering o anomaly detection
Comprendere il funzionamento e i limiti dell’AI generativa applicata ai processi aziendali
Identificare problemi aziendali ad alto impatto risolvibili tramite AI
Definire scopi di progetto, KPI e criteri di selezione del partner tecnologico
Stimare il TCO (Total Cost of Ownership) di una soluzione AI.

Prerequisiti

Attività

Fondamenti di Intelligenza Artificiale: come l’AI apprende dai dati aziendali e panoramica dei principali modelli (Regressione, Classificazione, Clustering, Anomaly Detection)
AI Generativa e LLM: funzionamento, limiti, rischi e applicazioni alla documentazione tecnica, ai processi informativi e ai flussi commerciali
Applicazioni ad alto impatto per le MPMI: controllo qualità con visione artificiale, manutenzione predittiva, forecasting della domanda, knowledge retrieval e generative design
Identificazione delle opportunità AI in azienda: analisi dei dati disponibili, scelta del problema, matrice Impatto/Sforzo e definizione del primo progetto pilota
Pianificazione del progetto AI: definizione dello scopo (Cosa, Dove, Chi, Perché) e formulazione di KPI SMART per misurare il successo
Valutazione economica e scelta del partner: analisi del TCO (licenze, integrazione, dati, infrastruttura, tempo interno, manutenzione) e criteri Make vs Buy.

Attestato

Valutazione

Attestato

Docenti

Docenti del corso

Marco Tarabini
Professore Ordinario presso il Dipartimento di Meccanica del Politecnico di Milano. Ha conseguito laurea magistrale e PhD cum laude in Ingegneria dei Sistemi Meccanici. La sua ricerca è focalizzata su vibrazioni umane (mano‑braccio e corpo intero), incertezza metrologica e progettazione di strumenti per ambienti industriali e spaziali. Ha coordinato oltre 40 progetti pubblici e privati, è autore di due capitoli di libro, oltre 70 articoli peer‑reviewed e oltre 70 in convegni, ed è co‑inventore di circa 5‑6 brevetti. È Senior Member IEEE, convenor del WG13 ISO/TC 108, vice‑coordinatore del corso di Ingegneria Meccanica, coordinatore scientifico del JRP MATT e responsabile PoliLINK@Lecco. Ha supervisionato oltre 70 tesi Magistrali e 5‑8 dottorati di Ricerca.

Manuel Roveri
Professore ordinario presso il Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano. I suoi interessi di ricerca includono Embedded & Edge AI, Tiny e Deep Learning, apprendimento in presenza di concept drift e privacy‑preserving ML/DL. Ha conseguito il dottorato in Ingegneria Informatica a Politecnico (2007) e un MS in Computer Science all’UIC (2003). Autore di oltre 110 pubblicazioni peer‑review e titolare di almeno un brevetto. Ha ricevuto prestigiosi riconoscimenti IEEE come l’Outstanding Paper Award 2018, l’Outstanding TNNLS Paper Award 2016 e l’Outstanding Associate Editor nel 2021. Inoltre, è stato Associate Editor per diverse riviste IEEE e Neural Networks.

Contatti

Per qualsiasi informazioni sul corso o per problemi tecnici scrivi a info@mitica-interreg.org o consulta la pagina delle FAQ.

ISCRIZIONI CHIUSE
Video asincroni online dal 28 gennaio
Webinar sincroni: 11 febbraio, 25 febbraio - ore 12:00 (1h ca)
Workshop in presenza c/o Polo territoriale di Lecco: 11 marzo mattina

Schema della sezione

- Seleziona attività OBIETTIVOFornire una mappa strategica del mondo AI...
  
  OBIETTIVO
  
  Fornire un metodo per definire correttamente lo scopo di un progetto AI in azienda
  
  Guidare alla scelta dei KPI adeguati per misurare il successo del progetto
  
  Introdurre il concetto di TCO (Total Cost of Ownership) e la valutazione economica completa di un progetto AI
  
  Fornire criteri rigorosi per la selezione del partner tecnologico e della soluzione (Make vs Buy)
  
  RISULTATI DI APPRENDIMENTO ATTESI
  Alla fine del modulo i partecipanti sarai in grado di:
  
  Definire lo scopo di un progetto AI rispondendo correttamente a “Cosa, Dove, Chi, Perché”
  
  Distinguere obiettivi vaghi da obiettivi ben formulati e circoscritti
  
  Formulare KPI SMART per misurare l’impatto di un progetto AI in produzione, qualità, amministrazione o supply chain
  
  Stimare correttamente i costi diretti e indiretti di un progetto AI attraverso il modello TCO
  
  Riconoscere la differenza tra prezzo del software e costo totale di possesso
  
  Valutare rischi, complessità e tempi di sviluppo di approcci Make vs Buy
  
  Identificare i criteri chiave per la scelta del partner (verticalità, scalabilità, supporto, TCO trasparente)
  
  Redigere un mini-capitolato di progetto che includa scopo, KPI, costi, partner.