DATA DRIVEN CONTROL DESIGN

Giovanni RUSSO DATA DRIVEN CONTROL DESIGN

0622700085
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2021/2022

ANNO CORSO 2
ANNO ORDINAMENTO 2017
PRIMO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
324LABORATORIO
Obiettivi
IL CORSO SARÀ FOCALIZZATO SUL PROGETTO DI SISTEMI AUTONOMI ATTRAVERSO IL CONTROLLO IN RETROAZIONE A PARTIRE DA DATI. ALLA FINE DEL CORSO GLI STUDENTI SARANNO IN GRADO DI SINTETIZZARE POLITICHE DI CONTROLLO PER AGENTI AUTONOMI, RENDENDOLI COSÌ CAPACI DI PRENDERE DECISIONI OTTIME A PARTIRE DAI SOLI DATI. QUESTE POLITICHE DI CONTROLLO SARANNO IN GRADO DI GARANTIRE IMPORTANTI PROPRIETÀ DESIDERATE PER I SISTEMI CONTROLLATI, COME SICUREZZA E PRESTAZIONI. LO STUDENTE SARÀ INTRODOTTO AI PIÙ RECENTI ALGORITMI E REALIZZERÀ ESPERIENZE PRATICHE SU MODERNI STRUMENTI E AMBIENTI DI SVILUPPO. DURANTE IL CORSO, GLI ASPETTI METODOLOGICI SARANNO INTEGRATI CON LO SVILUPPO DI CASI STUDIO INTERESSANTI NEL CAMPO DEI SISTEMI AUTONOMI

CONOSCENZE E CAPACITA' DI COMPRENSIONE:
- FORMULAZIONE DI PROBLEMI DI CONTROLLO BASATI SUI DATI
- PRINCIPALI ALGORITMI PER IL CONTROLLO BASATO SUI DATI
- PROPRIETA' DEGLI VARI ALGORITMI

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE:
- VALUTAZIONE DEI COMPROMESSI PROGETTUALI PER GLI ALGORITMI CHIAVE
- IMPLEMENTAZIONE DI ALGORITMI DI CONTROLLO BASATI SUI DATI
- VALIDAZIONE DEGLI ALGORITMI IN AMBIENTI SIMULATI.
Prerequisiti
PER IL PROFICUO RAGGIUNGIMENTO DEGLI OBIETTIVI FORMATIVI SONO RICHIESTE CONOSCENZE SU SISTEMI A RETROAZIONE. TALI COMPETENZE POSSONO ESSERE ACQUISITE NEL CORSO DI AUTOMAZIONE
Contenuti
INTRODUZIONE AL CONTROLLO DATA-DRIVEN (ORE DI LEZIONE/ESERCITAZIONE/LABORATORIO 8/4/2)
CENNI SU PROCESSI DECISIONALI DI MARKOV, STATISTICA BAIESIANA ED ALGORITMI DI OTTIMIZZAZIONE, ESEMPI

FONDAMENTI DEL PROBLEMA DECISIONALE (6/4/2)
FORMULAZIONE E TECNICHE DI RISOLUZIONE ALGORITMICA, FRAMEWORK COMUNE PER CONTROLLO MODEL-BASED E CONTROLLO DATA-DRIVEN, ESEMPI DI RELAZIONI CON ALCUNI ALGORITMI DI CONTROLLO QUALI CONTROLLO A MODELLO PREDITTIVO (MPC) E REGOLATORI OTTIMI PER SISTEMI LINEARI (LQR), APPLICAZIONI

METOLOGIA PER IL CONTROLLO DAI DATI (8/4/2)
L'APPROCCIO DI CONTROLLO BAYESIANO, ALGORITMI DI CONTROLLO COME GENERATORI DI DATI, ALGORITMI DI CONTROLLO OTTIMO, CONTROLLO SULLA BASE DI AZIONI ESPERTE, CENNI SU ALCUNI SISTEMI MULTI-AGENTE, STRATEGIE IMPLEMENTATIVE, APPLICAZIONI

CONSIDERAZIONI PROGETTUALI (2/4/2)
LA GENERAZIONE DEI DATAI, PROGETTAZIONE DI AGENTI TRAMITE STRUMENTI OFF-THE-SHELF

ORE TOTALI: 24/16/8


CIASCUNO DEGLI ARGOMENTI AVRA' UNA FORTE COMPONENTE COMPUTAZIONALE/PROGETTUALE. GLI ALGORITMI SARANNO ILLUSTRATI ATTRAVERSO CASE STUDIES DA INDUSTRIA 4.0, SISTEMI BIOMEDICI E SISTEMI EMBEDDED. GLI STUDENTI CONTRIBUIRANNO ATTIVAMENTE ALLE SCELTE PROGETTUALI.
Metodi Didattici
•LE LEZIONI SONO SUPPORTATE DA PROBLEM-SOLVING TUTORIAL. GLI ASPETTI IMPLEMENTATIVI SONO TRATTATI DURANTE LE LEZIONI.
•PER POTER PARTECIPARE ALLA PROVA FINALE E QUINDI ACQUISIRE I CREDITI, LO STUDENTE DOVRA' AVERE PARTECIPATO AD ALMENO IL 70% DELLE LEZIONI TOTALI.
Verifica dell'apprendimento
L'ESAME CONSISTE NELLA DISCUSSIONE DI PROGETTI/ASSEGNI SVILUPPATI DAGLI STUDENTI. LA DISCUSSIONE DEI PROGETTI/ASSEGNI SARA' TESA A VERIFICARE LA COMPRENSIONE DEI CONCETTI METODOLOGICI E LA LORO APPLICAZIONE.

L'ESAME INCLUDE LO SVILUPPO DI UNA PRESENTAZIONE DA PARTE DELLO STUDENTE.
Testi
LETTURE RACCOMANDATE:
• RICHARD S. SUTTON AND ANDREW G. BARTO. "REINFORCEMENT LEARNING: AN INTRODUCTION". THE MIT PRESS. 2015. DISPONIBILE ONLINE
• M. HARDT, B. RECHT, “PATTERNS, PREDICTIONS AND ACTIONS: A STORY ABOUT MACHINE LEARNING”.SELF PUBLISHED. 2021. DISPONIBILE ONLINE

MATERIALE DIDATTICO INTEGRATIVO SARÀ DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO.
Altre Informazioni
L'INSEGNAMENTO E' EROGATO IN INGLESE
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2021-09-23]