Intelligenza Artificiale Pratica: dall’idea al progetto, Sezione: Workshop conclusivo in presenza (4h) - 11 marzo 2026, Polo territoriale di Lecco | Mitica-Interreg

Non sei iscritto a nessun corso.

2 / 25

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.

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...
  
  Esperienza 1: Laboratorio di Regressione
  
  OBIETTIVO
  Utilizzare dati aziendali per identificare correlazioni e costruire un semplice modello predittivo.
  
  RISULTATI DI APPRENDIMENTO ATTESI
  Alla fine del modulo sarai in grado di:
  • Utilizzare dati aziendali e strumenti di analisi per identificare correlazioni, individuare le variabili più influenti e costruire un semplice modello predittivo.
  
  Esperienza 2: Laboratorio di Classificazione per il Controllo Qualità
  
  OBIETTIVO
  Comprendere i fondamenti della visione artificiale e i limiti della classificazione binaria, addestrando un modello per il controllo qualità.
  
  RISULTATI DI APPRENDIMENTO ATTESI
  Alla fine del modulo i partecipanti sarai in grado di:
  • Comprendere i fondamenti della visione artificiale, i limiti della classificazione binaria e addestrare un modello multi-classe (più robusto) per il controllo qualità.
  
  Esperienza 3: Laboratorio di Analisi Documentale con LLM
  
  OBIETTIVO
  Sfruttare la potenza degli LLM per analizzare la coerenza e la conformità tra documenti tecnici complessi.
  
  RISULTATI DI APPRENDIMENTO ATTESI
  Alla fine del modulo i partecipanti sarai in grado di:
  • Sfruttare la potenza degli LLM (es. ChatGPT, Gemini) per interrogare documenti tecnici complessi (es. RDO, offerte) ed estrarre i punti chiave
  • Redigere una sintesi che evidenzi la conformità di un'offerta rispetto a una specifica tecnica, identificando eventuali scostamenti.