Il progetto MACHINE LEARNING & VIDEO ANALYTICS è relativo ai macrotemi dell’A.I.- Artificial Intelligence, con specifico riferimento ad aspetti inerenti l’Intelligent Data Processing.
Il Machine Learning, in italiano Apprendimento Automatico, indica gli algoritmi di programmazione delle macchine attraverso cui si insegna ai computer e ai robot a fare azioni ed attività in modo naturale, come gli esseri umani o gli animali, ovvero imparando dall’esperienza. Usando metodi matematico-computazionali gli algoritmi di ML insegnano ad
apprendere informazioni direttamente dai dati, senza modelli matematici ed equazioni predeterminate e migliorano le loro prestazioni in modo “adattivo” mano a mano che gli “esempi” da cui apprendere aumentano.
Il Video Analytics aiuta le organizzazioni a sviluppare funzionalità di protezione, intelligence e investigative complete utilizzando i video.
È possibile utilizzare ricerche avanzate, oscuramento e analytics di riconoscimento facciale per individuare immagini rilevanti e informazioni critiche tra diversi file video provenienti da diversi tipi di videocamera. Sono supportati sia da una selezione di videocamere che trasmettono in diretta che dall’acquisizione di video preregistrati da videocamere fisse e in movimento.
Attraverso software di analisi video è possibile estrarre informazioni dai video acquisiti per elaborare insight e schemi.

L’obiettivo del corso è quello di introdurre gli studenti alle tematiche relative al Machine Learning ed al Video Analytics attraverso inquadramenti teorici, casi applicativi, utilizzo di metodologie e tecnologie.
Le competenze acquisite al termine del corso seguono un semplice filo logico: lo studente sarà in grado di individuare da un dataset generico come poterne trarre valore tramite l’applicazione di algoritmi di Machine Learning, per poi procedere al deploy dell’algoritmo e alla relativa visualizzazione dei risultati.

I contesti lavorativi in cui ad oggi spendere le conoscenze e competenze ricavabili con questo corso sono dunque legati agli ambiti applicativi succitati nell’introduzione al progetto sia per il Machine Learning che nello step di visualizzazione dei dati in esito: quindi innanzitutto quelli della Ricerca e Sviluppo ma anche del Marketing e Vendite e Delivery di Servizi evoluti e smart sia per il mondo B2B che B2C.
La spendibilità delle conoscenze acquisite è dimostrata da numerosi studi previsionali sulle professioni del futuro; molte organizzazioni investono nell’acquisizione di masse di dati che permettono migliore conoscenza delle abitudini di consumo e acquisto della clientela e l’uso di questo patrimonio richiede conoscenze specialistiche che non sono più solo informatiche.