Obiettivi del Corso
Il corso mira a fornire una solida comprensione dei concetti base dell’analisi termo-fluidodinamica computazionale (CFD) in ambito industriale con un’introduzione all’utilizzo del software MSC Cradle
Programma
Competenze acquisite
Obiettivi formativi
Un’introduzione chiara e pratica ai concetti fondamentali dell’Intelligenza Artificiale, con un focus sulle differenze tra AI tradizionale e generativa, Large Language Models e tecniche di prompt engineering. Durante il workshop i partecipanti sperimenteranno l’uso dell’AI per ideare campagne, titoli, naming e storyboard. Un percorso, svolto in collaborazione con Data Masters e pensato per professionisti, imprese e curiosi che vogliono capire (e applicare) le potenzialità dell’AI.
Programma dettagliato
Introduzione ai concetti chiave
- Differenze tra AI tradizionale e generativa
- Comprensione dei Large Language Models (LLM)
- Concetti di prompt engineering
Workshop pratico
- Brainstorming, generazione di concept per campagne pubblicitarie, titoli, naming
- Creazione di storyboard, scalette per video
Target
Professionisti, manager, imprenditori, team di innovazione, studenti e curiosi che vogliono comprendere le basi dell’Intelligenza Artificiale Generativa
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche dei software e delle tecnologie discusse.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
- una comprensione chiara delle differenze tra Intelligenza Artificiale tradizionale e generativa, con particolare attenzione ai modelli linguistici di grandi dimensioni (LLM);
- competenze introduttive in prompt engineering, con la capacità di strutturare input efficaci per ottenere risposte mirate da modelli generativi;
- la capacità di applicare l’AI generativa in contesti creativi e professionali, come la generazione di idee per campagne, naming, storyboard e scalette video;
- familiarità con strumenti e metodologie per la prototipazione rapida di concept basati su AI;
- una visione critica su come integrare l’AI nei processi aziendali, anche in assenza di competenze tecniche avanzate.
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie e i software presentati.
Obiettivi formativi
Il corso esplora l’utilizzo dell’Intelligenza Artificiale Generativa per la creazione di contenuti visivi, con un focus pratico su immagini e video. Durante le due giornate, i partecipanti apprenderanno le tecniche di prompt engineering, scopriranno le principali piattaforme e strumenti per la generazione di contenuti visuali, e metteranno in pratica quanto appreso attraverso workshop dedicati. Verranno inoltre introdotti concetti legati a modelli open source e LoRA.
Programma dettagliato
Prima giornata – Generazione di immagini
- Prompt engineering per la generazione di immagini
- Panoramica delle piattaforme disponibili (es. Midjourney, DALL·E, Stable Diffusion)
- Introduzione ai modelli open source e alle tecniche LoRA
- Workshop pratico: esercitazioni guidate su prompt e piattaforme
Seconda giornata – Generazione di contenuti video
- rompt engineering per la generazione di video
- Piattaforme per text-to-video e image-to-video
- Workshop pratico: realizzazione di brevi video tramite AI generativa
Target
Professionisti, manager, imprenditori, team di innovazione, studenti e curiosi che vogliono comprendere le basi dell’Intelligenza Artificiale Generativa e imparare ad applicarla anche senza una formazione tecnica avanzata.
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche dei software e delle tecnologie discusse.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
- le nozioni fondamentali del prompt engineering per contenuti visivi
- la capacità di orientarsi tra i principali strumenti per immagini e video generativi
- competenze operative per utilizzare in autonomia piattaforme AI no-code
- una prima comprensione dell’ecosistema dei modelli AI open source e personalizzabili (LoRA)
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie e i software presentati.
Obiettivi formativi
Il corso propone un'esplorazione delle origini, dell'evoluzione e delle applicazioni dei robot industriali. Attraverso una serie di approfondimenti, saranno affrontate definizioni chiave, concetti fondamentali e applicazioni attuali. Saranno poi verificate le informazioni teoriche trasferite con esercizi pratici da eseguire su una cella robotica di tipo educational.
Programma dettagliato
-
Introduzione alla robotica:
-
- Definizione e concetti fondamentali
-
- Storia e vista d’insieme dei robot industriali
-
- Esempi di applicazioni robotiche nell’industria
-
Programmazione no-code e movimentazione del robot:
-
- Movimento assi e sistemi di coordinate
-
- Creazione di movimenti con traiettorie punto – punto
-
- Software di simulazione KUKA.Sim
-
Prove pratiche su cella KUKA educational
-
Movimentazione e creazione nuovi programmi
-
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche delle tecnologie discusse. Particolare enfasi verrà posta sulle applicazioni pratiche e sui benefici concreti che le aziende possono ottenere dall'adozione di queste tecnologie avanzate nei loro processi produttivi.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
-
Competenze teoriche: una solida panoramica dei concetti chiave della robotica industriale, delle potenzialità di utilizzo e dei sistemi di programmazione no-code;
-
Capacità pratica: familiarità con esempi e prove pratiche utili per l’integrazione di robot industriali nei processi aziendali.
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie presentate e fruite durante il programma.
Descrizione
Il corso mira a fornire una solida comprensione dei concetti base dei metodi agli elementi finiti (FEM) impiegati per il calcolo strutturale in ambito industriale. Verranno affrontati i temi della definizione di vincoli, carichi e materiali, della generazione di mesh congruenti con il modello fisico e dell’esecuzione di analisi lineari statiche. Particolare attenzione è dedicata alla lettura e interpretazione dei risultati, come tensioni e deformazioni, e al corretto utilizzo dei software FEM sia commerciali sia open-source. Il corso è rivolto a micro, piccole e medie imprese e a professionisti che intendono acquisire competenze operative per affrontare in autonomia semplici casi di analisi strutturale.
Obiettivi formativi
Introduzione all’utilizzo dei software CAE, in particolare del software per analisi strutturale MSC Apex.
Programma dettagliato
-
Introduzione agli Elementi Finiti
-
Modellazione di componenti meccanici
-
Tipi di elementi, mesh, vincoli e carichi
-
Analisi lineare statica
-
Verifica e post-processing dei risultati
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche dei software e relative funzionalità.
Target
Utenti con conoscenza di base dei principi della meccanica strutturale.
A chi è rivolto
Uffici tecnici delle micro, piccole e medie imprese di Puglia e Basilicata e a liberi professionisti.
Risultati attesi
Alla fine del corso i partecipanti saranno in grado di svolgere analisi strutturali lineari con MSC Apex e avranno una buona padronanza nell’utilizzo del software, dalla preparazione delle geometrie all’applicazione delle condizioni a contorno (carichi, vincoli, ecc,) fino all’estrapolazione e analisi dei risultati.
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare.
- Teacher: Luigia Longo
Descrizione
Il corso si concentra sull'applicazione del Machine Learning e dell'Intelligenza Artificiale (AI) alla manutenzione predittiva degli impianti industriali e alla progettazione di sistemi di raccomandazione. La prima giornata approfondirà il ruolo del Machine Learning nella manutenzione predittiva, mentre la seconda giornata esplorerà l'uso dell'AI nei sistemi di raccomandazione attraverso casi studio aziendali.
Obiettivi formativi
La prima giornata sarà dedicata al Machine Learning per la manutenzione predittiva degli impianti. Nella seconda giornata, attraverso la presentazione casi studio aziendali, si procederà a presentare l'utilizzo della AI anche nella progettazione e realizzazione di sistemi al supporto decisionale.
Programma dettagliato
Modulo A: AI e ML per la manutenzione predittiva degli impianti
-
Principi base della manutenzione predittiva: definizione e importanza nel contesto industriale.
-
Tecniche di Machine Learning in manutenzione predittiva: algoritmi di regressione, classificazione e clustering applicati alla manutenzione predittiva.
-
Sensori e acquisizione dati: tipi di sensori e metodi di raccolta dati per l'analisi predittiva.
Modulo B: AI e ML per i sistemi di raccomandazione
-
Introduzione ai Sistemi di Raccomandazione: panoramica e applicazioni nel commercio elettronico, intrattenimento, ecc.
-
Tecniche di filtraggio: filtraggio collaborativo, filtraggio basato su contenuti e metodi ibridi.
-
Machine Learning nei Sistemi di Raccomandazione: utilizzo di algoritmi di apprendimento automatico per migliorare l'accuratezza delle raccomandazioni.
-
Personalizzazione e contestualizzazione: tecniche per personalizzare le raccomandazioni in base alle preferenze degli utenti e al contesto.
-
Applicazioni pratiche: case study di sistemi di raccomandazione.
Target
Programmatori e ingegneri informatici di aziende manufatturiere (livello intermedio)
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche dei software e delle tecnologie discusse.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
-
Competenze teoriche: familiarità con i concetti base dei sistemi di raccomandazione e i principi base della manutenzione predittiva.
-
Competenze specializzate: capacità di progettazione e implementazione di sistemi di manutenzione predittiva attraverso algoritmi di Machine Learning e di sistemi di raccomandazione.
-
Comprensione e visione strategica per il supporto decisionale
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie e i codici presentati.
- Teacher: antonio dione
Obiettivi formativi
Il corso propone un'esplorazione delle origini, dell'evoluzione e delle applicazioni dei robot industriali. Attraverso una serie di approfondimenti, saranno affrontate definizioni chiave, concetti fondamentali e applicazioni attuali. Saranno poi verificate le informazioni teoriche trasferite con esercizi pratici da eseguire su una cella robotica di tipo educational.
Programma dettagliato
-
Introduzione alla robotica:
-
- Definizione e concetti fondamentali
-
- Storia e vista d’insieme dei robot industriali
-
- Esempi di applicazioni robotiche nell’industria
-
Programmazione no-code e movimentazione del robot:
-
- Movimento assi e sistemi di coordinate
-
- Creazione di movimenti con traiettorie punto – punto
-
- Software di simulazione KUKA.Sim
-
Prove pratiche su cella KUKA educational
-
Movimentazione e creazione nuovi programmi
-
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche delle tecnologie discusse. Particolare enfasi verrà posta sulle applicazioni pratiche e sui benefici concreti che le aziende possono ottenere dall'adozione di queste tecnologie avanzate nei loro processi produttivi.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
-
Competenze teoriche: una solida panoramica dei concetti chiave della robotica industriale, delle potenzialità di utilizzo e dei sistemi di programmazione no-code;
-
Capacità pratica: familiarità con esempi e prove pratiche utili per l’integrazione di robot industriali nei processi aziendali;
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie presentate e fruite durante il programma.
- Teacher: antonio dione
Descrizione
Il corso mira a fornire una solida comprensione dei concetti fondamentali del Machine Learning (ML) e del Deep Learning (DL), con un focus sulle reti neurali. Le sessioni includono un'analisi dettagliata delle tipologie di apprendimento, degli algoritmi di base e delle applicazioni pratiche in vari settori.
Obiettivi formativi
La prima giornata sarà dedicata al Machine Learning, alle tipologie di apprendimento, algoritmi di base e valutazioni dei modelli. La seconda giornata sarà dedicata al Deep Learning e alle reti neurali con un approfondimento sulle architetture, framework e strumenti disponibili. Alla parte di presentazione frontale verranno fatte seguire presentazioni di alcune applicazioni pratica ed esempi reali.
Programma dettagliato
Modulo A: Machine Learning
-
Tipi di apprendimento: supervisionato, non supervisionato, per rinforzo.
-
Algoritmi di base: regressioni lineari, regressioni logistiche, clustering, etc.
-
Valutazione dei modelli: overfitting, underfitting, validazione incrociata, etc.
-
Applicazioni pratiche: esempi reali di implementazione degli algoritmi presentati su dataset reali o utilizzati in letteratura
Modulo B: Deep Learning e Reti Neurali
-
Architetture di reti neurali: percettroni, reti convoluzionali, reti ricorrenti, etc.
-
Framework e strumenti: TensorFlow, PyTorch, Keras
-
Applicazioni pratiche: Computer Vision, elaborazione del linguaggio naturale.
Target
Programmatori e ingegneri informatici di aziende manufatturiere (livello intermedio)
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche dei software e delle tecnologie discusse.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
-
Competenze teoriche: una solida comprensione dei concetti chiave del Machine Learning e del Deep Learning
-
Capacità di valutazione e selezione dei modelli: competenze necessarie per identificare problemi di overfitting e underfitting, applicare tecniche di validazione incrociata e selezionare l'algoritmo più appropriato per specifici casi d'uso
-
Competenze operative con framework e strumenti: familiarità pratica con i principali framework di deep learning per implementare soluzioni di base per applicazioni.
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie e i codici presentati.
Il corso si propone di fornire ai partecipanti una panoramica aggiornata sulle potenzialità e le applicazioni dei sistemi di calcolo ad alte prestazioni (HPC) integrati con tecnologie di intelligenza artificiale (AI) in diversi ambiti di potenziale interesse per PMI. Attraverso presentazioni teoriche e dimostrazioni pratiche, i partecipanti acquisiranno le conoscenze di base sulle più moderne tecnologie di simulazione numerica e sulle loro applicazioni concrete nel campo dell'ingegneria strutturale, della fluidodinamica, o dei processi di trasformazione per materiali polimerici e compositi.
Programma dettagliato
1. **Introduzione DIHSME** (30 minuti)
- Relatore: Ing. Francesca Felline (CETMA)
- Presentazione del Digital Innovation Hub DIHSME e del suo ruolo nel supporto alla digitalizzazione e all'innovazione delle imprese PMI di Puglia e Basilicata
- Obiettivi e servizi offerti dal DIHSME
2. **Evoluzione e prospettive HPC** (45 minuti)
- Relatore: Dott. Agostino Funel (ENEA)
- Stato dell'arte delle tecnologie HPC
- Stato dell’arte, tendenze future e sviluppi tecnologici nel settore
- Dimostrazioni pratiche nell’utilizzo della griglia HPC di ENEA
3. **HPC(+AI) nelle analisi strutturali/fluidodinamiche/multifisiche** (45 minuti)
- Relatore: Dott. Giulio Toso (ALMATEC)
- Integrazione tra HPC e AI nei codici di calcolo di Hexagon
- Casi studio con dimostrazioni pratiche
4. **HPC(+AI) nelle analisi di processo per i materiali polimerici e compositi** (45 minuti)
- Relatore: Dott. Giorgio Nava (MOLDEX3D Italia)
- Integrazione tra HPC e AI nei codici di calcolo di MOLDEX
- Casi studio con dimostrazioni pratiche
5. **Conclusioni e opportunità DIHSME** (30 minuti)
- Relatore: Ing. Francesca Felline (CETMA)
- Sintesi degli argomenti trattati
- Presentazione delle opportunità di collaborazione e supporto offerte dal DIHSME
- Discussione e domande finali
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche dei software e delle tecnologie discusse. Particolare enfasi verrà posta sulle applicazioni pratiche e sui benefici concreti che le aziende possono ottenere dall'adozione di queste tecnologie avanzate nei loro processi di progettazione e sviluppo prodotto/processo.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
-
Conoscenza delle opportunità di supporto e collaborazione offerte dal DIHSME
-
Conoscenza delle più recenti evoluzioni nell'ambito dell'HPC e dell'AI
-
Comprensione delle potenzialità applicative di queste tecnologie nei propri contesti lavorativi
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie e i codici presentati.
Il corso propone un'esplorazione delle origini, dell'evoluzione e degli impatti dell'Intelligenza Artificiale (IA). Attraverso una serie di argomenti, saranno affrontate definizioni chiave, concetti fondamentali, applicazioni attuali e considerazioni etiche legate all'IA.
Programma dettagliato
-
Definizione e concetti fondamentali: cosa significano IA, ML e DL
-
Cos’è l’Intelligenza Artificiale e la distinzione delle varie discipline (ML e DL inclusi)
-
Storia e sviluppo di queste tecnologie
-
Applicazioni dell’IA: esempi concreti di come l’IA viene utilizzata oggi
-
Esempi concreti dell’uso dell’IA in settori come sanità, manifattura, logistica, marketing e altro
-
Dimostrazione pratiche di software e strumenti di IA oggi utilizzati
-
Etica e impatto sociale: considerazioni etiche e impatto dell’IA nella società di oggi
-
Riflessioni sugli effetti dell’IA sul mondo del lavoro e sulla società
-
Discussione su dilemmi etici, privacy e responsabilità nello sviluppo e nell’uso delle tecnologie di IA
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche dei software e delle tecnologie discusse. Particolare enfasi verrà posta sulle applicazioni pratiche e sui benefici concreti che le aziende possono ottenere dall'adozione di queste tecnologie avanzate nei loro processi di progettazione e sviluppo prodotto/processo.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
-
Competenze teoriche: una solida comprensione dei concetti chiave dell’intelligenza artificiale, del Machine Learning e del Deep Learning
-
Capacità pratica: familiarità con esempi e strumenti pratici utili per integrare l’IA nei processi aziendali
-
Consapevolezza critica: una maggiore sensibilità verso le implicazioni etiche e sociali legate all’adozione di queste tecnologie
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie e i codici presentati.