Contenuti indicativi del percorso:

• introduzione a Python;
• strutture di controllo;
• funzioni e moduli;
• strutture dati avanzate;
• gestione degli errori e debugging;
• librerie per l’analisi dei dati.

Contenuti indicativi del percorso:

• utilizzo di librerie Python per la manipolazione e l’analisi dei dati geospaziali.
• importazione, elaborazione e visualizzazione di dati geospaziali
• integrazione di dati geospaziali con altre fonti di dati .
• metodologie e strumenti per automatizzare flussi di lavoro di analisi geospaziali utilizzando script Python.

Contenuti indicativi del percorso:

• introduzione a software di elaborazione dei dati satellitari (es. QGIS, SNAP);
• installazione e configurazione del software;
• utilizzo del Software: Interfaccia utente e funzioni principali, caricamento e visualizzazione dei dati satellitari;
• manipolazione di immagini satellitari;
• pre-elaborazione dei dati satellitari;
• analisi dei dati satellitari.

Contenuti indicativi del percorso:

• introduzione e utilizzo del Geographical Information Systems (GIS) e di software ampiamente utilizzati;
• acquisizione e gestione di dati geospaziali;
• creazione di mappe tematiche e integrazione dei dati satellitari con il GIS per l’analisi spaziale;
• applicazioni pratiche dell’analisi spaziale in vari settori e introduzione agli standard per l’interoperabilità di dati geografici;
• trasposizione dei dati in standard ISO 19100 e direttive europee.

I contenuti indicativi del percorso saranno:

• concetti di base sulla tecnologia dei satelliti;
• panoramica dei sistemi satellitari e loro ruolo nella raccolta di dati terrestri e applcazioni nei vari settori;
• principali agenzie spaziali e satelliti utilizzati per la raccolta dei dati;
• raccolta e attivazione dei dati satellitari;
• principi di teledetezione, sensori utilizzati per la raccolta di dati satellitari e loro specifiche;
• processi di acquisizione, pre-elaborazione e calibrazione dei dati.

Contenuti indicativi del percorso:

• Elementi Fondanti del Processo Produttivo;
• Elementi di Sostenibilità Ambientale applicata al Contesto Produttivo;
• Analisi del Ciclo di Vita (LCA) del Prodotto – Qualità nel Processo Produttivo;
• Miglioramenti nei Processi Produttivi;
• Progettazione Sostenibile ed Elementi Costitutivi;
• Monitoraggio e Ottimizzazione di Energia e Risorse;
• Emissioni, Rifiuti e Ciclo dei Materiali nel Contesto Industriale.

I contenuti saranno definiti nel dettaglio in base al livello in ingresso dei partecipanti. Segue programma indicativo:

• introduzione all’Intelligenza Artificiale e alla sua Evoluzione
• panoramica delle tecnologie AI (Machine Learning, Deep Learning, etc.);
• discussione su algoritmi e applicazioni comuni;
• approfondimento sull’interazione tra l’AI e le interfacce utente;
• case studies su assistenti virtuali, chatbots, e altre tecnologie interattive;
• questioni etiche nell’uso dell’AI: Impatto sociale dell’automazione e della sorveglianza AI nell’ambito organizzativo e aziendale;
• come l’AI sta trasformando il processo decisionale nelle organizzazioni – vantaggi e rischi;
• AI per l’ottimizzazione dei processi;
• metodologie per gestire il cambiamento organizzativo dovuto all’AI;
• analisi dell’impatto dell’AI sulla cultura aziendale e società;
• impatto dell’AI nei campi creativi e generativi;
• impatto dell’AI per migliorare la sostenibilità.

A fini di personalizzazione del percorso, il programma formativo di dettaglio di ciascuna edizione verrà definito a cura dell’Ente erogatore in fase di avvio, tenendo conto delle caratteristiche e dei fabbisogni dei partecipanti.
Di seguito i contenuti indicativi:

• nuovi scenari e dinamiche per l’advanced manufacturing nella filiera Meccanica – Meccatronica;
• panoramica sulle tecnologie IoT e sui sistemi di tracciamento degli asset;
• approfondimenti sui sistemi Rfid;
• potenzialità in termini di monitoraggio, controllo ed efficientamento dei processi;
• ambiti di applicazione in ambito industriale e manifatturiero;
• possibilità di integrazione in un’ottica sistemica di integrazione dei processi aziendali;
• possibilità di integrazione in un’ottica sistemica di integrazione della supply chian e della filiera;
• meccanismi di correlazione tra le tecnologie abilitanti IoT e le sfide della transizione verde e dell’economia circolare.

L’articolazione indicativa del corso prevede:

• introduzione ai big data e Python;
• connessioni tra big data analytics e advanced manufacturing;
• manipolazione e visualizzazione dei dati;
• data base e SQL;
• machine learning.

Contenuti indicativi del percorso:

• Introduzione a Python
• Strutture di controllo
• Funzioni e moduli strutture dati avanzate
• gestione degli errori e debugging
• Librerie per l’analisi dei dati