Date: 10 febbraio, 17 febbraio, 24 febbraio, 3 marzo 2026
Tipo di corso: webinar
Orario: 10.30 - 12.00
Docente: Paola Celio
- Programmazione: Esperta in Python, C++, Java, Bash e Perl.
- Analisi Dati e ML: Utilizzo avanzato di SQL, pandas, NumPy e Scikit-learn; competenze iniziali in TensorFlow.
- Database: Gestione di sistemi complessi come Oracle, PostgreSQL e MySQL.
- Strumenti Scientifici: Esperienza con LAMMPS, ROOT, Anaconda e Jupyter.
- Ricerca Internazionale: ha contribuito a importanti esperimenti di fisica delle alte energie e astroparticelle, tra cui ATLAS (CERN), DarkSide e ARGO-YBJ.
- Sviluppo Software: si occupa di automazione di workflow, pipeline di dati e simulazioni LAMMPS.
- Collaborazioni Esterne: lavora con l'ISPRA su sistemi di dati live in PostgreSQL e con l'Ospedale Gemelli per l'estrazione di feature da dati reali.
- Attività Didattica: docente di programmazione Python e analisi dei dati per dottorandi e studenti di Master (Data Analytics) presso Roma Tre. Relatrice su temi attuali come l'uso dei ChatBot in ambito accademico e l'applicazione del Machine Learning al traffico di rete (corso GARR 2025).
- Formazione e Pubblicazioni: possiede un MSc in Fisica conseguito presso l'Università La Sapienza di Roma, con specializzazione in Fisica delle Astroparticelle. Autrice di numerose pubblicazioni in peer-review su riviste prestigiose come Nature Physics e Physical Review D.
Abstract
Il corso fornisce un’introduzione pratica e concettuale al Machine Learning, con particolare attenzione alle applicazioni nel contesto della gestione e del monitoraggio delle reti informatiche e di telecomunicazione. Partendo dai concetti fondamentali dell’analisi dei dati e dell’apprendimento automatico, il corso guida i partecipanti nella comprensione di come i modelli di Machine Learning possano supportare attività quali il rilevamento di anomalie, la previsione di guasti, l’analisi delle prestazioni e l’ottimizzazione operativa delle reti.
L’obiettivo è fornire le basi teoriche e operative per dialogare con data scientist, comprendere casi d’uso reali e sperimentare semplici modelli attraverso esempi pratici, senza richiedere competenze avanzate di programmazione o matematica.
Programma
- Dati e reti: il contesto
- Tipologie di dati di rete: log, metriche, eventi, time series
- Qualità del dato: completezza, rumore, outlier
- Introduzione al concetto di Data-Driven Network Management
- Fondamenti di Machine Learning
- Cos’è (e cosa non è) il Machine Learning
- Apprendimento supervisionato, non supervisionato e semi-supervisionato
- Differenza tra regole statiche e modelli basati sui dati
- Machine Learning per la gestione delle reti
- Use case principali:
- Anomaly detection su traffico e performance
- Previsione di congestioni e guasti
- Classificazione di eventi e allarmi
- Esempi reali e architetture di riferimento
- Use case principali:
- Workflow di Machine Learning
- Raccolta e preparazione dei dati (feature engineering di base)
- Training, validazione e test di un modello
- Concetti chiave: overfitting, generalizzazione, metriche di valutazione
Livello del corso: base
Prerequisiti:
- architetture di rete (TCP/IP, routing, switching)
- concetti di monitoraggio e performance (latenza, throughput, packet loss)
- Familiarità con l’uso del computer e dei fogli di calcolo
- Non è richiesta esperienza pregressa in Machine Learning o Data Science
- Conoscenze di programmazione non obbligatorie, ma utili
Target:
- Network engineer
- Network operator
- System administrator
- Personale tecnico coinvolto nel monitoraggio e nella gestione delle reti
- Responsabili IT con ruolo operativo o decisionale
Il corso è pensato per professionisti con competenze tecniche di rete che desiderano comprendere e utilizzare il Machine Learning come strumento di supporto operativo.
Link al webinar: verrà inviato agli iscritti il giorno prima della diretta di ogni singolo modulo