Notizie
MACHINE LEARNING E DATA ANALISI NELLE GEOSCIENZE
Queste informazioni sono indicative (aggiornate al 4 Settembre 2025).
Contattate il docente (maurizio.battaglia@uniroma1.it) per maggiori informazioni
Il corso si svolgera' in presenza a partire da Lunedi 29 Settembre, 2025
La giornata delle matricole sarà venerdì 26 settembre
Orario del corso
Lunedi, 9 - 11, Aula 5 - (Mineralogia - Piano Seminterrato)
Mercoledi, 16 - 18, Aula 5 (Mineralogia - Piano Seminterrato)
Dispense
Il materiale della classe (dispense, esercitazioni, esoneri, esami) dello scorso anno puo' essere scaricato dal sito moodle (elearning). Il materiale verra' aggiornato durante il corso
https://elearning.uniroma1.it/course/view.php?id=11588
Programma indicativo del corso:
Il programma settimanale e’ indicativo e puo’ essere modificato sulla base delle esigenze didattiche del corso
Tema Teoria Esercitazione
- Derivate: concetti base Significato fisico delle derivate, definizione matematica Calcolo e rappresentazione grafica in Excel
- Studio di funzioni Andamento, estremi e concavità Analisi di curve e derivate su dati reali
- Propagazione degli errori Principi generali, formule e incertezza sulle misure Applicazione a misure ambientali con Excel
- Propagazione degli errori Errori composti e analisi di sensitività Applicazione a frane indotte da terremoti
- Regressione lineare Esempi, significato dei parametri, errore residuo Analisi della portata di sorgenti carsiche
- Regressione multilineare Estensione al caso multivariato Regressione multipla su dataset ambientale
- Equazione del trasporto Introduzione a flusso e trasporto in mezzi porosi Simulazioni con modelli analitici
- Equazioni del trasporto Soluzioni, condizioni iniziali e al contorno Studio di caso: trasporto di pesticidi
- Inversione non lineare Modelli diretti ed inversi Inversione non lineare in Excel
- Inversione non lineare Analisi di sensitività, stabilità della soluzione Studio di caso: la legge di Kozeny-Karman
- Machine Learning Fondamenti di Machine Learning Regressione e clustering su dati geoscientifici
- Machine Learning Apprendimento supervisionato e non Regressione e clustering su dati geoscientifici
Esame ed esoneri: esame scritto, open books (potete consultare gli appunti della classe, esercizi svolti ecc ecc)
75% Primo esonero, durante il corso
25% Secondo esonero, a fine corso
oppure
Esame finale
Libro di testo consigliato (per excel - disponibile in biblioteca)
Liengme's Guide to Excel 2016 for Scientists and Engineers: Windows and MAC
Petrelli - Machine Learning for Earth Sciences
Si prega di contattare il docente per avere maggiori informazioni
maurizio.battaglia@uniroma1.it
Orari di ricevimento
da concordare con gli studenti
Insegnamenti
| Codice insegnamento | Insegnamento | Anno | Semestre | Lingua | Corso | Codice corso | Curriculum |
|---|---|---|---|---|---|---|---|
| 10620571 | MACHINE LEARNING E DATA ANALISI NELLE GEOSCIENZE | 1º | 1º | ITA | Geologia Applicata alla protezione e allo sviluppo sostenibile del territorio | 33611 | Curriculum unico |
| AAF1041 | TIROCINIO | 2º | 2º | ITA | Geologia di esplorazione | 33612 | Curriculum unico |