Machine Learning

Perché è interessante

La previsione del danno a fatica è fondamentale per prevenire il cedimento di strutture e componenti meccanici, in particolare nei settori aerospaziale e off-shore, dove le strutture sono soggette a vibrazioni costanti dovute a carichi dinamici. I sensori moderni permettono l’acquisizione di dati in tempo reale, ma serve ancora molto lavoro per confrontarli con i risultati delle simulazioni numeriche.

Cosa farai

• Sviluppare strumenti automatici di pre/post-processing per l'esecuzione di simulazioni numeriche multiple.
• Sviluppare algoritmi di Machine Learning per l'analisi di serie temporali.
• Preparare report di progetto e presentazioni per aziende di ingegneria.

Prerequisiti

• Conoscenza delle simulazioni FEM dal Corso di Meccanica Computazionale (o equivalenti), per capire i dati che si andranno ad analizzare.
• Basi di Data Science e Python.

Strumenti

• Python, per gli algoritmi di Machine Learning e Deep Learning e per l'automazione delle simulazioni.
• Un codice FEM, per generare i dati di simulazione da confrontare con quelli reali.

Sbocchi

Progetto in collaborazione con M3E (m3eweb.it), società di consulenza specializzata in simulazioni numeriche e sviluppo di software scientifico.

Relatore

Prof. Gianluca Mazzucco · gianluca.mazzucco@unipd.it