ALESSANDRA ADROVER

 LABORATORIO ANALISI DATI
ANNO ACCADEMICO 2025/2026
 
 
LINK PER PRENOTARSI AL PRIMO  ESONERO LAD del 10 Novembre 2025 alle ore 16 in aula 7

https://docs.google.com/forms/d/e/1FAIpQLSfFbmXg28QSqCuHBLuppMAprvwzwAIm...

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 
 
 
Please find attached the google-drive link for downloading all the material for the course
https://drive.google.com/drive/folders/1jjQ9tP5ikfQq4FjwsRC6E26IpoB8YqBX...