Machine Learning: utilizzare i dati energetici per analisi, previsioni e ottimizzazione

I partecipanti apprendono come distinguere le principali famiglie di intelligenza artificiale e scegliere tecniche di apprendimento supervisionato, non supervisionato e correlate per analizzare dati energetici. Il percorso affronta pulizia e trasformazione dei dati, regressione, classificazione, clustering e individuazione di anomalie, applicandoli a previsioni di carico e produzione rinnovabile. Un esercizio in Python usa dati di un impianto fotovoltaico per costruire un modello previsionale. Si rivolge a energy manager, aspiranti EGE, operatori del settore e professionisti che progettano o gestiscono edifici, impianti e sistemi energetici.