Course description
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.
Intended Learning Outcomes
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.
Prerequisites
Activities
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.
Faculty
Course faculty
Marco Tarabini
Manuel Roveri
Contact details
If you have any enquiries about the course or if you need technical assistance please contact mitica@polimi.it . For further information, see FAQ page.