logo-printable
Campus Life

Modelli previsionali sulla pandemia: una tesi LIUC


Campus Life
Modelli previsionali sulla pandemia: una tesi LIUC

Fare previsioni certe sull’andamento del COVID-19 è, come sappiamo, impossibile, ma da più parti e mettendo in campo differenti competenze, non mancano i tentativi di ricondurre il fenomeno ad un modello. Anche gli strumenti di machine learning e deeplearning, declinazioni dell’Intelligenza Artificiale, possono fare la loro parte ed essere utilizzati in questo senso, come dimostra la tesi di laurea di uno studente LIUC, Alberto Molteni, che ha recentemente completato il suo percorso di Laurea in Ingegneria.

A partire da quanto appreso nel corso di Analisi e Misura nell’Impresa Digitale e da un articolo scientifico su questi temi, Alberto ha scelto di elaborare modelli previsionali sull’andamento dell’epidemia. Il primo modello si basa sulla comparazione dell’applicazione di quattro tecniche di regressione per prevedere in un dato istante il numero di nuovi contagi giornalieri per la nazione Italia. Il secondo si basa invece sull’applicazione di reti neurali artificiali per la classificazione di immagini: il sistema riceve in input immagini di raggi x al torace di pazienti ed effettua una classificazione automatica allo scopo di discernere malati e sani, oppure positivi al COVID-19 e negativi.

Le reti neurali artificiali sono modelli computazionali ispirati alle reti neurali biologiche, che possono essere utilizzate in svariati ambiti per analizzare grandi quantità di dati ed effettuare previsioni relative a uno specifico contesto.

“Fulcro del mio lavoro – spiega Alberto – sono proprio queste reti. Ho utilizzato in particolare una rete neurale già addestrata a riconoscere le immagini e in questo caso applicata alla classificazione dei pazienti. È stato molto interessante verificare l’applicabilità di questi strumenti a una questione cosi attuale”.

Un test che ha permesso di rilevare sia le potenzialità, sia le criticità di questo tipo di modello: “Si tratta – spiega Mauro Mezzenzana, docente della Scuola di Ingegneria Industriale che è stato relatore della tesi di Albertodi sistemi già diffusi per lo screening delle radiografie, in questo caso applicati ai casi di COVID-19. Il lavoro di Alberto ci conferma l’applicabilità di modelli previsionali al contesto della pandemia, ma rileva anche che è necessario avere più dati a disposizione. Le performance delle reti neurali dipendono, infatti, anche dalla disponibilità di dataset con caratteristiche proprie dei Big Data”.

Il corso Analisi e Misura nell’Impresa Digitale è inserito nel percorso Business Services della Scuola di Ingegneria Industriale della LIUC: questa tesi è un esempio di come le competenze che gli studenti sviluppano a lezione sono molto orientate alle applicazioni concrete, anche con riferimento immediato a contesti di estrema attualità.

Business Services è il percorso della laurea triennale dedicato all’apprendimento dei modelli e degli strumenti che portano un ingegnere gestionale a operare efficacemente in imprese del settore dei servizi, così come ad affrontare la trasformazione digitale delle imprese.  Scopri di più
Pubblicato il 16 Novembre 2020
Informazioni utili
Piazza Soldini, 5 - Castellanza (VA)
Email: comunicazione@liuc.it |T. +39 0331 572111
ISCRIZIONI
QR Code
Follow us!
logo-liuc
logo-confindustria
Newsletter
Vuoi rimanere aggiornato su eventi e news LIUC?

logo-liuc
logo-confindustria
© UNIVERSITA' CARLO CATTANEO - LIUC | C.SO MATTEOTTI, 22 - 21053 CASTELLANZA (VA)
CODICE FISCALE E PARTITA IVA 02015300128