Obiettivi formativi ################### 
Obiettivi generali: 
################### 
La corretta gestione dei processi rappresenta un elemento fondamentale per rendere le organizzazioni moderne più efficienti ed efficaci nella 
gestione del loro business. A tal scopo, questo corso introduce linguaggi, principi e metodi per la modellazione, l'analisi, l'innovazione ed 
il monitoraggio dei processi. 
Il corso enfatizza il ruolo della modellazione concettuale (business process modeling) come strumento necessario per comprendere ed analizzare 
i processi di interesse in sistemi informativi di varia natura. Gli studenti del corso apprenderanno la modellazione dei processi attraverso 
lo standard internazionale BPMN (Business Process Model and Notation). 
Il corso si focalizzerà sulla modellazione di processi di singole organizzazioni (orchestrazioni di processo) e processi che coinvolgono 
l'interazione fra organizzazioni multiple (coreografie di processo), investigando le tecniche formali necessarie per l'analisi e 
l'innovazione di tali processi. 
Il corso fornirà inoltre le conoscenze di base per la progettazione, l'implementazione ed il monitoraggio di processi eseguibili con 
un sistema informativo aziendale. 
Infine, il corso presenterà tecniche e strumenti per l'utilizzo delle recenti tecniche di process mining, che consentono la costruzione 
di modelli di processo (la cui struttura non è nota a priori) partendo dai log che memorizzano gli eventi concreti eseguiti dal processo reale. 
#################### 
Obiettivi specifici: 
#################### 
-------------------------- 
Conoscenza e comprensione: 
-------------------------- 
Al termine del corso gli studenti: 
- apprendono i principali metodi per condurre un progetto di BPM (Business Process Management); 
- sono in grado di modellare un processo con lo standard BPMN; 
- sono in grado di implementare ed eseguire un processo utilizzando un sistema informativo reale; 
- conoscono gli algoritmi e le tecniche di process mining. 
------------------------------------ 
Applicare conoscenza e comprensione: 
------------------------------------ 
Gli studenti sono in grado di utilizzare gli strumenti metodologici e tecnologici adeguati per: 
(i) modellare un processo in BPMN; 
(ii) analizzarlo con tecniche quantitative; 
(iii) eseguirlo e monitorarlo con un sistema informativo. 
-------------------------------- 
Capacità critiche e di giudizio: 
-------------------------------- 
Lo studente acquisice autonomia di giudizio nel proporre l’approccio più opportuno per realizzare un progetto di BPM.  
---------------------- 
Capacità comunicative: 
---------------------- 
Le attività progettuali e le lezioni del corso permettono allo studente di essere in grado di comunicare/condividere le scelte progettuali e le 
metodologie di progettazione e sviluppo di un processo di business. 
-------------------------- 
Capacità di apprendimento: 
-------------------------- 
Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, le modalità di svolgimento del corso, 
in particolare le attività progettuali, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso, 
al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso. 
 |  
 Obiettivi formativi CONOSCENZA E COMPRENSIONE. 
Attraverso l’introduzione dei fondamenti sugli aspetti teorici, tecnici e pratici nella progettazione e implementazione di sistemi di apprendimento automatico per la soluzione di problemi di analisi di segnali, misure e, più in generale, di grandi moli di dati (c.d. big data), basata su tecniche di Intelligenza Computazionale quali apprendimento bayesiano, reti neurali, logica fuzzy, algoritmi evolutivi, etc., lo studente rafforzerà le conoscenze acquisite nel primo ciclo di studi. Saranno in tal senso approfondite le applicazioni nell'ambito dell’Ingegneria Industriale per la soluzione di problemi supervisionati e non supervisionati, in particolare riguardanti ottimizzazione, approssimazione, regressione, interpolazione, predizione, filtraggio, riconoscimento e classificazione, al fine di elaborare e applicare idee originali anche in un contesto di ricerca. 
CAPACITÀ APPLICATIVE. 
Capacità di analisi e soluzione delle problematiche relative a progettazione, realizzazione e test di algoritmi di Machine Learning, con particolare riferimento allo sviluppo in ambiente Matlab/Python/TensorFlow, per la realizzazione di sistemi di apprendimento automatico applicati a problemi di Ingegneria Industriale in ambito gestionale, elettrico, meccanico, logistico, biomedicale e per la formazione di competenze professionali e aziendali capaci di relazionarsi nel contesto tecnico-scientifico del data analytics e della business intelligence, in un contesto perciò più ampio rispetto al settore di studio dell’ingegneria gestionale. 
AUTONOMIA DI GIUDIZIO. 
L'obiettivo principale del corso è quello di consentire allo studente di sviluppare sistemi di apprendimento automatico attraverso un’adeguata formulazione del problema, una scelta appropriata degli algoritmi adatti a risolvere il problema e l'esecuzione di esperimenti in attività di laboratorio per valutare l’efficacia delle tecniche adottate. Durante il corso verranno principalmente esposti i concetti e le idee di base che permettono l'effettivo utilizzo degli algoritmi di Machine Learning nelle applicazioni industriali, piuttosto che la loro formulazione puramente matematica. Pertanto lo studente integrerà le conoscenze acquisite per gestire la complessità di un meccanismo di apprendimento induttivo ove si estrapoli nuova conoscenza, orientata alla soluzione di problemi applicativi, a partire da informazioni limitate dovute alla contingenza organizzativa dell’insegnamento. 
ABILITÀ DI COMUNICAZIONE. 
Le tematiche affrontate nel corso sono di generale interesse nell'ambito scientifico e industriale, in particolare nell'analisi dei materiali, nella progettazione di dispositivi e circuiti, nei sistemi di automazione e controllo, nell'inversione di modelli fisici e di modelli astratti di tipo organizzativo e decisionale, nella gestione delle reti complesse (smart grid, distribuzione energetica e delle merci, reti biologiche e sociologiche, etc.). Nondimeno, saranno introdotte le applicazioni di nuove tecnologie nello sviluppo di sistemi di calcolo innovativi, in primis i calcolatori quantistici, nei quali si rende indispensabile l'utilizzo di algoritmi di intelligenza computazionale e di machine learning per lo sfruttamento efficace e all'avanguardia degli stessi. A valle di tale insegnamento, lo studente sarà pertanto in grado di comunicare le conoscenze acquisite a interlocutori specialisti e non specialisti nel mondo della ricerca e del lavoro in cui svilupperà le sue successive attività scientifiche e/o professionali. 
CAPACITÀ DI APPRENDERE. 
La metodologia didattica implementata nell'insegnamento richiede un’attività di studio autonomo e auto-gestito durante lo sviluppo di elaborati monotematici per l’approfondimento didattico e/o sperimentale, ossia verticale, di specifici argomenti. 
 |