EVENTO IN PRESENZA 

E' necessario iscriversi anche al seguente link: https://www.eventbrite.it/e/biglietti-dss-meetup-39-storia-dellocr-e-anomaly-detection-756707070217

Al fine del rilascio dei crediti CFP, è obbligatoria la frequenza superiore al 90% delle ore previste e la compilazione della scheda di valutazione di qualità dell’Evento.
I crediti CFP verranno caricati entro 60 giorni dalla data di fine del Seminario.

Avvertenze ai sensi del Reg.UE 2016/679

La compilazione e la trasmissione dei dati forniti con il presente modulo di iscrizione valgono quale autorizzazione al trattamento dei medesimi, ai sensi del D.Lgs.196/2003, nelle modalità e per le finalità indicate nell'informativa allegata.  
I dati trattati non saranno oggetto di diffusione a terzi, ma potranno essere comunicati alle autorità sanitarie e di pubblica sicurezza competenti, sulla base delle normative vigenti in tema di misure di contrasto e contenimento della diffusione del Virus Covid 19 (in caso di partecipazione ad eventi in presenza), nonché a società/enti che collaborano allo specifico evento, limitatamente agli ambiti ed agli organi specificati nell’informativa, in esecuzione degli adempimenti derivanti dagli obblighi contrattuali.

PER INFORMAZIONI:
 Ufficio Formazione - Ordine degli Ingegneri della Provincia di Genova
Mob. 366 2029816 |   E-mail: formazione@ordineingegneri.genova.it 
Tipo Seminario
Luogo SALA CONVEGNI - ORDINE DEGLI INGEGNERI DI GENOVA
Regione Liguria
Comune Genova
Provincia Genova
Indirizzo Piazza della Vittoria 11/10
Organizzatore Ordine degli Ingegneri di Genova
Responsabile Scientifico Ing. Enrico Sterpi
Durata 2 ore
Frequenza minima 2 ore
Costo Gratuito
CFP 2
Tipologia corso -
Iscrizioni Chiuse
Posti disponibili 200 - 200 riservati agli iscritti all'ordine di Genova
Posti rimanenti 178
giovedì, 30 novembre 2023
Inizio18:00
Fine20:00
Programma
18.00: Apertura del Seminario.  

18.00: MNIST: nascita, vita e morte di un dataset pubblico. 

Nel primo talk racconteremo la storia del processo OCR (Optical Character Recognition), passato negli anni da obiettivo di ricerca a semplice commodity, attraverso il ruolo cruciale svolto dal dataset MNIST, che ha avuto un ruolo fondamentale nello sviluppo del deep learning. È stato uno dei primi dataset di immagini utilizzati per l’di reti neurali convoluzionali (CNN), un tipo di rete neurale particolarmente efficace per la classificazione di immagini. Il racconto parte dai primi approcci di machine learning, prosegue con i risultati del team di ricercatori dell'Università di Toronto, che proprio su questo dataset ha dato una prima dimostrazione del potenziale delle CNN per la classificazione di immagini e quindi contribuito a una nuova ondata di interesse per il deep learning, e finisce con le moderne architetture a transformers. Si parlerà anche del ruolo della ricerca italiana in questo percorso, con alcuni importanti successi ed alcune occasioni mancate.
Ennio Ottaviani è un fisico teorico, ricercatore industriale ed imprenditore. E’ direttore scientifico di OnAIR, dove coordina progetti di ricerca sulle applicazioni di IA in diversi settori dell’industria e dei servizi. E’ docente di Metodi Predittivi per il corso di laurea in Statistica Matematica della Università di Genova. Ennio è già stato ospite in passato di DataScienceSeed con un interessantissimo talk su Quantum Computing e Data Science.

18.40: Scoprire le anomalie nei big data, con l'applicazione del Machine Learning e delle Metaeuristiche

Il secondo talk della giornata tratterà tematiche riguardanti l'Anomaly Detection, l'integrazione delle Metaeuristiche nel campo Machine Learning e algoritmi di ottimizzazione. L'Anomaly Detection è un campo dell'intelligenza artificiale che si occupa di identificare dati anomali in un set di dati. Le anomalie possono essere dovute a vari fattori, come errori di misurazione, eventi imprevisti o attacchi malevoli.  L'intervento intende fare una panoramica sulle anomalie in campi come i sistemi di controllo industriali, i sistemi di intrusione, l'analisi di eventi climatici, di traffico urbano, di fake news e tanto altro. Le Metaeuristiche sono un tipo di algoritmo di ottimizzazione che utilizzano una strategia di esplorazione/sfruttamento per trovare una soluzione ottimale o subottimale a un problema. Sono spesso utilizzate in problemi complessi, dove gli algoritmi tradizionali possono fallire. L'integrazione delle Metaeuristiche nell'Anomaly Detection può migliorare l'accuratezza e la robustezza dei sistemi di rilevamento delle anomalie.
Claudia Cavallaro si occupa di ricerca in Informatica, nel tema dei Big Data, dell'Ottimizzazione e delle Metaeuristiche. E' una docente dell'Università di Catania, per i corsi di laurea triennale e magistrale di Informatica in "Strutture Discrete" ed "Euristics and metaheuristics for optimizazion and learning". Recentemente ha partecipato come speaker alle conferenze ITADATA 2023(The 2nd Italian Conference on Big Data and Data Science) e WIVACE 2023 (XVII International Workshop on Artificial Life and Evolutionary Computation). Ha iniziato a lavorare nel campo di ricerca dell'Anomaly Detection già durante il periodo di post-doc presso il CNAF-I.N.F.N. di Bologna.

19.20 Discussione con la platea.  

20.00 Chiusura del Seminario.
Apertura Iscrizioni13/11/2023 15:00
Termine Iscrizioni29/11/2023 23:59

Siamo spiacenti le iscrizioni al corso si sono chiuse il 29/11/2023 alle 23:59
Sei già iscritto?
Puoi controllare lo stato della tua iscrizione (in attesa di conferma, in attesa di pagamento, attiva) o caricare la conferma di pagamento accedendo alla tua area personale.