Il percorso è aperto a candidate e candidati in possesso di laurea triennale o magistrale, senza vincoli sulla classe di laurea: sono pertanto ammesse tutte le lauree di primo e di secondo livello.

Il corso dura 21 ore, si svolgerà da aprile a luglio 2025 e richiede una frequenza minima del 75 %.

Il corso sarà attivato con un minimo di 5 e un massimo di 100 partecipanti.

L’ammissione avviene tramite valutazione dei titoli. 

• L’ecosistema NODES – in particolare lo Spoke 4 dedicato all’innovazione digitale per la montagna sostenibile – mira a favorire la transizione verso il digitale dei territori del Nord-Ovest.
• Oggi il mercato offre strumenti innovativi che agevolano la collaborazione intra-/inter-aziendale senza richiedere la copresenza di tutti i collaboratori in uno stesso luogo e che consentono di individuare criticità e colli di bottiglia mediante motori di analisi automatici, un tempo appannaggio di pochi.
• Tuttavia, le piccole e medie imprese si avvicinano di rado a tali strumenti, percepiti come complessi anche per la mancanza di occasioni formative dedicate.
• Il corso intende colmare questa lacuna introducendo tre ambiti di tendenza – machine learning, business process management e process mining – attraverso la dimostrazione pratica di strumenti selezionati.
• Oltre a offrire una panoramica integrata su questi temi, si auspica di creare ulteriori opportunità di contatto e collaborazione con l’ecosistema NODES.

Il corso si articola di tre moduli inerenti tre tematiche per la gestione di processi.

Modulo 1 – “Tecniche e strumenti per il Business Process Management”
Il primo modulo tratta la tematica “Tecniche e strumenti per il Business Process Management” e consiste in una introduzione alla tematica del business process management, con particolare focus su tecniche e strumenti per le piccole e medie imprese.

Modulo 2 – “Tecniche e strumenti per il Process mining”
Il secondo modulo tratta la tematica “Tecniche e strumenti per il Process mining” introducendo l’ambito recente del process mining. In particolare, dopo aver introdotto la tematica verranno presentate delle tecniche per la sua applicazione che risultano piuttosto vantaggiose per le aziende, come testimoniato dall’adozione di strumenti di process mining da parte di grandi imprese. Tuttavia, le piccole realtà poco conoscono e sfruttano le potenzialità degli strumenti di process mining.

Modulo 3 – “Tecniche di Machine Learning”
Il terzo modulo tratta la tematica più generale, ma molto nota per le sue potenzialità, del Machine Learning. Verrà fatta una introduzione all’argomento seguita dalla presentazione di principali task di apprendimento automatico e verranno presentati alcuni algoritmi.

Non è prevista quota di iscrizione

Tecniche di Business Process Management (Business Process Management techniques)
Prof. Roberto Micalizio, Dip. Informatica, UniTO – SSD INF/01, 1 CFU
Lezioni sincrone a distanza (7 ore) più circa 18 ore di studio individuale.
Contenuti:

1. Il business-process lifecycle / Business Process Lifecycle
2. Modellazione dei processi con il linguaggio BPMN / Business-process modeling in BPMN
3. Strumenti a supporto della modellazione / Tools to support process modeling
4. Tecniche e strumenti per la simulazione dei processi / Techniques and tools for process simulation

Tecniche di Process Mining (Process Mining techniques)
Dr.ssa Elisa Marengo, Dip. Informatica, UniTO – SSD INF/01, 1 CFU
Lezioni sincrone a distanza (7 ore) più circa 18 ore di studio individuale.
Contenuti:

1. Obiettivi e ambiti del process mining / Process-mining objectives
2. Introduzione e motivazioni al process discovery
3. Tecniche di conformance checking / Conformance-checking techniques
4. Introduzione al process enhancement
5. Strumenti per l’analisi di processo basata su log / Tools supporting log-based process analysis

Tecniche di Machine Learning (Machine Learning techniques)
Prof. Luca Anselma, Dip. Informatica, UniTO – SSD INF/01, 1 CFU
Lezioni sincrone a distanza (7 ore) più circa 18 ore di studio individuale, con esercitazioni guidate.
Contenuti:

1. Introduzione al Machine Learning / Introduction to machine learning
2. Principali task di ML (supervisionato, non-supervisionato, rinforzo) / Main machine-learning tasks
3. Algoritmi di classificazione (k-NN, alberi decisionali, SVM, reti di base) / Classification algorithms
4. Valutazione delle performance (accuracy, precision-recall, ROC) / Performance evaluation

Complessivamente il corso eroga 3 CFU, 21 ore di lezione frontale a distanza e circa 54 ore di studio individuale.