News
LABORATORIO ANALISI DATI
ANNO ACCADEMICO 2024/2025
LINK PER PRENOTARSI AL SECONDO ESONERO LAD del 21/12/2024 alle ore 9 in aula 8
https://forms.gle/HryhHNSDe9u1Vnuj9
MODALITÀ BLENDED (in presenza lunedi orario 16-19, telematico mercoledi orario 11-13)
LINK MEET da mercoledì 25/09/2024 a fine corso
(orario di ingresso 11.00-11.15)
Google Meet joining info
Video call link: https://meet.google.com/yix-hdei-ahz
Il materiale del corso è disponibile per il download dal drive condiviso https://drive.google.com/drive/folders/1gWPd6sGBdAI58Wt-xc2aUt9wKRV98XU-...
utilizzando solo la mail istituzionale cognome.matricola@studenti.uniroma1.it
***************************************************************************
Programma dettagliato del corso di Laboratorio di analisi dei dati
1) Introduzione al corso con la disamina di problemi di interesse dell’industria di processo e relativa formulazione di problemi di ottimizzazione vincolata e non vincolata per la stima di parametri ottimi
* esempio di problema di optimal scheduling
* ottimizzazione della produzione di una raffineria e relativa formulazione e soluzione di problemi di programmazione lineare
* spessore ottimo della coibentazione di una tubazione
* ottimizzazione della superficie di un treno di scambiatori
* regressione non lineare di dati di equilibrio liquido-vapore
2) Ottimizzazione non vincolata
Formulazione del problema ai minimi quadrati lineare e non lineare
Caratterizzazione delle funzioni quadratiche : ruolo degli autovalori/autovettori della matrice Hessiana
Convessità di una funzione
Direzioni di discesa e derivate direzionali
Condizioni necessarie e/o sufficienti del primo e secondo ordine per un punto di minimo
Metodo dell’antigradiente (steepest descent)
Metodo di Newton
Rappresentazione alle differenze finite delle derivate prime e seconde della funzione obiettivo
Metodo delle direzioni coniugate per funzioni quadratiche
Metodo del gradiente coniugato per funzioni non quadratiche
Metodo delle direzioni random
Metodo di Powell
Cenni sul metodo del simplesso
Metodi di ricerca unidirezionale esatta (Newton unidirezionale e metodo delle bisezioni)
Analisi della velocità di convergenza : convergenza lineare, superlineare e quadratica
2) Ottimizzazione vincolata
Definizione di direzioni utili e ammissibili per vincoli di disuguaglianza e vincoli di uguaglianza
Definizione di un problema convesso
Condizioni necessarie e/o sufficienti del primo e secondo ordine per un punto di minimo (metodo della funzione Lagrangiana e condizioni KKT)
Metodo del gradiente ridotto
Metodo di Rosen
Metodo di Zoutendijk
Metodo delle funzioni di penalità (metodo interno e metodo esterno)
3) Introduzione all’analisi multivariata
Valor medio, varianza, fattore di asimmetria (skewness)
Analisi delle correlazioni fra set di dati
Matrici di varianza/covarianza e di correlazione
Analisi delle componenti principali (PCA)
Definizione degli ellissi di confidenza, outliers e biplots.
4) Introduzione a Matlab
Implementazione del codice per i minimi quadrati lineari
Implementazione del codice per il metodo di Newton
Implementazione del codice per il metodo delle direzioni random
THEORY AND DEVELOPMENT OF CHEMICAL PROCESSES
II SEMESTER February-May 2024
On April 9 2024 the lesson will be anticipated at 8.30 a.m. in room 35
Please find attached the google-drive link for downloading all the material for the course
https://drive.google.com/drive/folders/1jjQ9tP5ikfQq4FjwsRC6E26IpoB8YqBX...
Tuesday 10 a.m-12 p.m. room 35 building RM038 (starting from March 26)
Wednesday 8-11 a.m. room 45 Centro di calcolo Paolo Ercoli building RM031
Friday 9-12 a.m. room 34 building RM032
The class will not be held on Friday, March 8 and will be made up on Tuesday, March 12 starting from 12:00 a.m.
**************************************************************************************************************
I RISULTATI DEL SECONDO ESONERO LAD (con relativa soluzione) e le medie dei due esoneri
LAD 2023/2024 sono stati caricati sul drive condiviso. La correzione è prevista per il lunedi 8 gennaio 2023 ore 12 aula 37.
LABORATORIO ANALISI DATI
ANNO ACCADEMICO 2022/2023
CORSO EROGATO ESCLUSIVAMENTE IN PRESENZA
Le LEZIONI AVRANNO INIZIO IL GIORNO 3 OTTOBRE
SECONDO L'ORARIO PUBBLICATO SUL SITO DI FACOLTA'
Il materiale del corso è disponibile per il download dal drive condiviso https://drive.google.com/drive/folders/1gWPd6sGBdAI58Wt-xc2aUt9wKRV98XU-...
utilizzando solo la mail istituzionale cognome.matricola@studenti.uniroma1.it
_________________________________________________________
THEORY AND DEVELOPMENT OF CHEMICAL PROCESSES
II SEMESTER February-May 2023
NEW TIMETABLE !!!
Tuesday 10 a.m-1 p.m. room 34 building RM032
Wednesday 9-11 a.m. room 34 building RM032
Friday 9-12 a.m. room 34 building RM032
The following is the meet-link to connect to the remote lesson on the days (and at times) set by the official Faculty timetable
Google Meet joining info
Video call link: Theory and Development of Chemical Processes
Video call link: https://meet.google.com/xjj-sboh-cgb
All lessons will be held exclusively online by the teacher, as agreed with Prof. Cecilia Bartuli.
The exercises will take place in presence. In any case, in order to allow all students to follow the corrosion class on Wednesday morning, access to classroom 34 will be allowed every Wednesday morning at 9 am.
Lessons will start on Wednesday March 1, 2023
Please find attached the google-drive link for downloading all the material for the course
https://drive.google.com/drive/folders/1jjQ9tP5ikfQq4FjwsRC6E26IpoB8YqBX...
You have to ask for permission before the download
**************************************************************************************************
LABORATORIO ANALISI DATI
ANNO ACCADEMICO 2021/2022
MODALITÀ BLENDED
LINK MEET solo lunedi 27/09/2021
https://meet.google.com/vdq-hsou-stj
LINK MEET da mercoledì 29/09/2021 a fine corso
https://meet.google.com/rgp-jcqm-two
Il materiale del corso è disponibile per il download dal drive condiviso https://drive.google.com/drive/folders/1gWPd6sGBdAI58Wt-xc2aUt9wKRV98XU-...
utilizzando solo la mail istituzionale cognome.matricola@studenti.uniroma1.it
***************************************************************************
Programma dettagliato del corso di Laboratorio di analisi dei dati
1) Introduzione al corso con la disamina di problemi di interesse dell’industria di processo e relativa formulazione di problemi di ottimizzazione vincolata e non vincolata per la stima di parametri ottimi
* esempio di problema di optimal scheduling
* ottimizzazione della produzione di una raffineria e relativa formulazione e soluzione di problemi di programmazione lineare
* spessore ottimo della coibentazione di una tubazione
* ottimizzazione della superficie di un treno di scambiatori
* regressione non lineare di dati di equilibrio liquido-vapore
2) Ottimizzazione non vincolata
Formulazione del problema ai minimi quadrati lineare e non lineare
Caratterizzazione delle funzioni quadratiche : ruolo degli autovalori/autovettori della matrice Hessiana
Convessità di una funzione
Direzioni di discesa e derivate direzionali
Condizioni necessarie e/o sufficienti del primo e secondo ordine per un punto di minimo
Metodo dell’antigradiente (steepest descent)
Metodo di Newton
Rappresentazione alle differenze finite delle derivate prime e seconde della funzione obiettivo
Metodo delle direzioni coniugate per funzioni quadratiche
Metodo del gradiente coniugato per funzioni non quadratiche
Metodo delle direzioni random
Metodo di Powell
Cenni sul metodo del simplesso
Metodi di ricerca unidirezionale esatta (Newton unidirezionale e metodo delle bisezioni)
Analisi della velocità di convergenza : convergenza lineare, superlineare e quadratica
2) Ottimizzazione vincolata
Definizione di direzioni utili e ammissibili per vincoli di disuguaglianza e vincoli di uguaglianza
Definizione di un problema convesso
Condizioni necessarie e/o sufficienti del primo e secondo ordine per un punto di minimo (metodo della funzione Lagrangiana e condizioni KKT)
Metodo del gradiente ridotto
Metodo di Rosen
Metodo di Zoutendijk
Metodo delle funzioni di penalità (metodo interno e metodo esterno)
3) Introduzione all’analisi multivariata
Valor medio, varianza, fattore di asimmetria
Analisi delle correlazioni fra set di dati
Matrici di varianza/covarianza e di correlazione
Analisi delle componenti principali (PCA)
Definizione degli ellissi di confidenza, outliers e biplots.
4) Introduzione a Matlab
Implementazione del codice per i minimi quadrati lineari
Implementazione del codice per il metodo di Newton
Implementazione del codice per il metodo delle direzioni random
Per sostenere la prova computazionale è necessario aver acquisito tutte le competenze di base che si sono rese necessarie per l’implementazione dei codici sviluppati in aula (vedi punto 4 del programma).
Inoltre, è necessario avere implementato autonomamente il codice del gradiente coniugato n-dimensionale nelle sue tre forme analitico, Fletcher-Reeves e Polak-Ribiere con ricerca unidimensionale esatta (Newton unidirezionale e bisezioni).
Come suggerimento, per la preparazione della prova computazionale, lo studente può cimentarsi nell’implementazione del codice per la PCA e/o del codice per la ricerca del minimo di un problema vincolato tramite il metodo delle funzioni di penalità.