Corso di formazione Programmazione MATLAB di Base

Modulo 1: Ambiente MATLAB, Flussi di Lavoro e Fondamenti dei Dati

Stabilisce una padronanza dell'ecosistema di sviluppo MATLAB, coprendo sia i flussi di lavoro desktop che quelli cloud, i tipi di dati core, l'I/O dei file e le strategie di gestione dei dati che costituiscono la base per tutte le attività di calcolo tecnico avanzato.

1.1 L'Ecosistema MATLAB: Desktop, Online e Drive

• Lavorare con l'ambiente desktop di MATLAB: Command Window, Editor, Workspace, Cartella Attuale e Cronologia Comandi
• MATLAB Online: sviluppo basato su cloud, collaborazione con MATLAB Drive e accessibilità cross-device
• Gestione del Workspace, percorsi di ricerca e configurazione dell'ambiente
• Scorciatoie, profili e personalizzazione dell'ambiente di sviluppo per l'efficienza ingegneristica

1.2 Tipi di Dati Core e Fondamenti Matematici

• Literals (valori literal), variabili, convenzioni di denominazione e assegnazione in MATLAB
• Scalar, vettori, matrici e array multidimensionali: creazione, indicizzazione e manipolazione
• Costanti, operatori e funzioni matematiche built-in
• Operazioni su array vs. matrici: elemento per elemento vs. algebra lineare
• Indicizzazione logica, operatori relazionali e array logici per il filtraggio avanzato
• Array cell, strutture (struct) e oggetti handle per l'organizzazione complessa dei dati
• Tabelle e timetables: il moderno paradigma dei dati tabellari di MATLAB per dati in serie temporale e dati sperimentali

1.3 I/O dei File e Interoperabilità dei Dati

• Importazione ed esportazione di file CSV, TXT e testo delimitato
• Lavorare con fogli di calcolo Excel: operazioni di lettura, scrittura e formattazione
• Formati file nativi MAT (.mat) e persistenza del Workspace
• Import Wizard e generazione automatica dell'importazione dei dati
• Connettività al database: connessione a SQL Server, Oracle, PostgreSQL e database cloud
• Dati web: recupero di risposte JSON, XML e REST API in MATLAB

Competenze Allineate al Mercato: Ambiente di Sviluppo MATLAB, Flusso di Lavoro MATLAB Online, Collaborazione su MATLAB Drive, Gestione dei Dati Numerici, Fondamenti di Calcolo Scientifico, Importazione ed Esportazione di Dati Tecnici, Gestione dei Dati CSV e Excel, Connettività al Database, Tabelle e Timetables MATLAB, Organizzazione dei Dati Strutturati, Fondamenti del Calcolo Matematico, Flussi di Lavoro dei Dati Ingegneristici

Modulo 2: Programmazione MATLAB, Algoritmi e Architettura del Codice

Approfondisce le competenze di programmazione oltre la sintassi di base, coprendo la programmazione strutturata, MATLAB orientato agli oggetti, l'organizzazione del codice, il debug, il profilamento delle prestazioni e le best practices di software engineering per codebase tecnici manutenibili.

2.1 Programmazione Strutturata e Controllo del Flusso

• Script vs funzioni: quando usarli e best practices
• li>Logica condizionale: if/else, switch/case e condizioni annidate
• Cicli: for, while e strategie di ottimizzazione dei cicli (vectorization vs iterazione)
• Controllo del flusso in subfunzioni e funzioni annidate
• Gestione degli errori e tecniche di debugging: try/catch, assert, dbstop e MATLAB Debugger

2.2 Programmazione Funzionale e Organizzazione del Codice

• li>Creazione di funzioni, argomenti di input/output e flessibilità di varargin/varargout
• Funzioni anonime e function handles: programmazione funzionale in MATLAB
• Subfunzioni, funzioni locali e funzioni annidate
• Organizzazione basata su file, pacchetti e gestione dei pacchetti a livello di cartella
• Passaggio per valore vs passaggio per riferimento (oggetti handle)

2.3 Programmazione Orientata agli Oggetti in MATLAB

• Classi: definizione di proprietà, metodi e livelli di accesso (public/private/protected)
• Handle classes vs value classes: semantiche del valore vs semantiche del riferimento
• Costruttori, distruttori e gestione del ciclo di vita degli oggetti
• Ereditarietà, overriding dei metodi e classi astratte
• Implementazione di interfacce e gestione degli eventi nelle classi MATLAB
• Metodi statici, proprietà dinamiche e validazione delle proprietà

2.4 Profiling, Qualità del Codice e Testing

• MATLAB profiler: identificazione dei colli di bottiglia e ottimizzazione del codice intensivo di calcolo
• Analisi della copertura del codice e framework di unit testing MTest
• Integrazione con il version control: flussi di lavoro Git e SVN nell'editor di MATLAB
• Concetti di Continuous Integration (CI/CD) con Jenkins e MATLAB CI Pipeline
• Avvisi di analisi statica del codice e best practices

Competenze Allineate al Mercato: Programmazione e Scripting MATLAB, Sviluppo e Ottimizzazione di Algoritmi, Programmazione MATLAB Orientata agli Oggetti, Architettura Basata su Funzioni, Vectorization e Ottimizzazione delle Prestazioni, Debugging e Gestione degli Errori in MATLAB, Profiling del Codice e Sintonizzazione delle Prestazioni, Unit Testing in MATLAB (MTest), Analisi della Copertura del Codice, Version Control con Git, Continuous Integration (CI/CD), Standard Professionali di Qualità del Codice, Software Engineering per il Calcolo Tecnico

Modulo 3: Visualizzazione dei Dati, Report e App Interattive

Copre i fondamenti del plotting fino alla visualizzazione avanzata, la creazione di dashboard interattive, lo sviluppo di GUI con App Designer, la script live per report riproducibili e la generazione automatizzata di report per la documentazione ingegneristica.

3.1 Plotting Fondamentale e Avanzato

• Plotting 2D: grafici a linea, grafici a dispersione, istogrammi, grafici a torta, grafici a area e barre di errore
• Plotting multi-asse: hold, subplot, tiledlayout e posizionamento degli assi
• Plotting 3D: surf, mesh, contour, slice e visualizzazione volumetrica
• Personalizzazione dei plot: titoli, etichette, legende, annotazioni, stili di linea, marker e colori
• Colormaps, colorbar e plot percettivamente accurati
• Esportazione di figure ad alta risoluzione per pubblicazioni: formati (PNG, PDF, SVG, EMF)

3.2 Visualizzazione Interattiva e Dashboard

• Personalizzazione delle figure con controlli UI: slider, pulsanti, dropdown e callback
• MATLAB App Designer: creazione di applicazioni desktop interattive con componenti UI drag-and-drop
• Interazioni nei plot: zoom, pan, brushing e callback di selezione
• Web app: distribuzione di visualizzazioni MATLAB come dashboard interattive online

3.3 Live Scripts e Reporting Automatizzato

• MATLAB Live Script (.mlx): notebook eseguibili che combinano codice, plot e testo formattato
• Supporto per Markdown e LaTeX nei Live Scripts per equazioni matematiche
• Sezioni Live Script personalizzate, parametri di input e flussi di lavoro di condivisione
• Generazione automatizzata di report: esportazione di Live Script in PDF, HTML e formati Word

Competenze Allineate al Mercato: Visualizzazione dei Dati e Plotting, MATLAB App Designer, Sviluppo GUI, Progettazione di Dashboard Interattiva, Creazione di Live Script, Generazione di Report Tecnici, Presentazione dei Dati Scientifici, Visualizzazione e Plotting 3D, Sistema Grafico MATLAB, Visualizzazione Ingegneristica, Progettazione di Figure per Pubblicazioni, Distribuzione di Web App, Calcolo Scientifico Interattivo

Modulo 4: Algebra Matriciale, Ottimizzazione Lineare e Matematica Simbolica

Copertura completa dell'algebra lineare come nucleo matematico di MATLAB, ottimizzazione della programmazione lineare e calcolo simbolico per soluzioni analitiche. Essenziale per applicazioni ingegneristiche, ricerca operativa e modellazione scientifica.

4.1 Algebra Lineare e Operazioni Matriciali

• Costruzione di matrici: eye, zeros, ones, rand, randn, diag e matrici speciali
• Decomposizione matriciale: LU, QR, Cholesky, SVD e analisi agli autovalori
• Funzioni speciali: det, trace, rank, norm, numero di condizionamento e pseudo-inverse
• Risoluzione di sistemi lineari: divisione sinistra (\), mldivide e soluzioni ai minimi quadrati
• Autovalori, autovettori e applicazioni delle funzioni matriciali (expm, logm, sqrtm)
• Operazioni su matrici sparse e calcolo efficiente in termini di memoria

4.2 Fondamenti dell'Ottimizzazione

• Programmazione lineare: linprog per l'ottimizzazione vincolata
• Ottimizzazione non lineare: fmincon, fminsearch e fzero
• Curve fitting e stima dei parametri: fit, polyfit e lsqcurvefit
• Introduzione al flusso di lavoro dell'Optimization Toolbox

4.3 Matematica Simbolica

• Creazione di variabili simboliche e manipolazione di espressioni simboliche
• Differenziazione e integrazione analitica con dsolve e int
• Aritmetica alla precisione variabile (vpa) per calcoli ad alta precisione
• Trasformate di Laplace e Fourier in modalità simbolica
• Risoluzione analitica di equazioni: solve e vpasolve

Competenze Allineate al Mercato: Algebra Lineare e Calcoli Matriciali, Decomposizione e Analisi Matriciale, Ottimizzazione e Programmazione Matematica, Programmazione Lineare, Ottimizzazione Non Lineare, Curve Fitting e Approssimazione dei Dati, Matematica Simbolica e Calcolo Analitico, Trasformate di Laplace, Analisi degli Autovalori e Stabilità Numerica, Calcolo con Matrici Sparse, Calcolo Scientifico e Analisi Numerica

Modulo 5: Elaborazione dei Segnali, Elaborazione delle Immagini e Simulazione

Applica le toolbox industry-standard di MATLAB all'analisi dei segnali, all'elaborazione delle immagini e alla simulazione di sistemi. Questo modulo copre le toolbox core più richieste nei settori delle telecomunicazioni, elaborazione audio, ingegneria biomedica e ispezione industriale.

5.1 Fondamenti dell'Elaborazione dei Segnali

• Teoria del campionamento: frequenza di campionamento, aliasing e criterio di Nyquist
• Generazione fondamentale dei segnali: segnali sinusoidali, cosinusoidali, quadri, a dente di sega e chirp
• li>Generazione fondamentale dei segnali: segnali sinusoidali, cosinusoidali, quadri, a dente di sega e chirp
• Analisi nel dominio della frequenza: FFT, spectrogram e plot di magnitudine/fase
• Progettazione di filtri: filtri FIR e IIR lowpass, highpass, bandpass, bandstop
• Analisi spettrale, densità spettrale di potenza e applicazioni di filtraggio
• Denoising dei segnali, smoothing e rilevamento dell'inviluppo

5.2 Elaborazione di Immagini e Video

• Creazione, lettura, scrittura e visualizzazione delle immagini con MATLAB Image Processing Toolbox
• Miglioramento delle immagini: regolazione del contrasto, eguaglianza dell'istogramma e filtraggio
• Segmentazione delle immagini: thresholding, rilevamento dei bordi e watershed
• Trasformazioni geometriche e registrazione delle immagini
• Operatori morfologici: dilatazione, erosione, apertura e chiusura
• Rilevamento delle caratteristiche: rilevamento degli angoli (Harris), rilevamento dei blob e matching dei template

5.3 Introduzione a Simulink e Modellazione di Sistemi

• Ambiente Simulink: creazione di modelli, libreria dei blocchi e instradamento dei segnali
• Costruzione di diagrammi a blocchi: sorgenti, sink, blocchi continui/discreti e integratori
• Parametri di simulazione: selezione del solver, dimensione del passo e durata della simulazione
• Subsystem, mask e blocchi di libreria per componenti riutilizzabili
• Analisi dei modelli: scopes, messaggi diagnostici ed esploratore di modelli
• Introduzione a Simulink per sistemi di controllo: modellazione dell'impianto e simulazione del controller

5.4 Sistemi di Controllo e Sistemi Dinamici

• Funzioni di trasferimento e diagrammi a blocchi nel Control System Toolbox
• Analisi step, impulso, frequenza (Bode) e luogo delle radici
• Fondamenti della progettazione e sintonizzazione dei controllori PID
• Rappresentazione nello spazio degli stati e analisi dei sistemi

Competenze Allineate al Mercato: Elaborazione Digitale dei Segnali (DSP), Analisi FFT e Filtraggio, Elaborazione delle Immagini e Computer Vision, MATLAB Image Processing Toolbox, Segmentazione e Rilevamento delle Caratteristiche nelle Immagini, Design Basato su Modelli con Simulink, Ingegneria dei Sistemi di Controllo, Analisi delle Funzioni di Trasferimento, Progettazione di Controllori PID, Simulazione di Sistemi Dinamici, Analisi Spettrale, Plot Bode e Risposta in Frequenza, Analisi del Luogo delle Radici, Modellazione nello Spazio degli Stati, Elaborazione dei Segnali Biomedici, Elaborazione dei Segnali Audio, Ispezione Industriale e Controllo Qualità

Modulo 6: Machine Learning, Deep Learning e Integrazione AI

Copre la capacità AI/ML in rapida espansione all'interno di MATLAB, dall'apprendimento supervisionato/non supervisionato classico alle reti neurali profonde, ai modelli pre-addestrati e all'integrazione con Python per flussi di lavoro AI ibridi. Affronta il set di competenze tecniche più richiesto in ingegneria oggi.

6.1 Machine Learning Classico con MATLAB

• Algoritmi di classificazione: KNN, Naive Bayes, SVM, alberi decisionali e metodi ensemble
• Algoritmi di regressione: regressione lineare, regressione polinomiale e regressione regolarizzata
• Apprendimento non supervisionato: clustering (k-means, gerarchico), PCA e riduzione della dimensionalità
• Validazione dei modelli: cross-validation, matrici di confusione, curve ROC e metriche di accuratezza
• Selezione delle caratteristiche, pre-processing dei dati e suddivisione train/validation/test

6.2 Deep Learning in MATLAB

• Fondamenti del deep learning: architettura delle reti neurali, layer e flusso di lavoro di addestramento
• Reti Neurali Convoluzionali (CNN) per la classificazione delle immagini, utilizzando modelli pre-addestrati (ResNet, GoogLeNet, AlexNet)
• Rete sequence-to-sequence per serie temporali ed elaborazione del testo
• Transfer learning: adattamento di modelli pre-addestrati a dataset personalizzati
• Progettazione di reti profonde: costruzione layer-by-layer con layerPlot e layerGraph
• Gestione dell'addestramento: dimensione del mini-batch, schedule del learning rate e accelerazione GPU

6.3 Integrazione con Python e Flussi di Lavoro AI Ibridi

• Chiamata di Python da MATLAB: importazione di classi, moduli e librerie Python
• Utilizzo di framework deep learning Python (TensorFlow, PyTorch) all'interno dei flussi di lavoro MATLAB
• Utilizzo di librerie ML Python (scikit-learn, pandas) per il pre-processing dei dati
• Scambio bidirezionale di dati tra array MATLAB e ndarray Python
• Costruzione di pipeline AI ibride che sfruttano le competenze ingegneristiche di MATLAB e l'ecosistema AI di Python

Competenze Allineate al Mercato: Machine Learning in MATLAB, Apprendimento Supervisionato, Apprendimento Non Supervisionato, Deep Learning e Reti Neurali, Reti Neurali Convoluzionali (CNN), Transfer Learning, ML per Serie Temporali, Ingegnerizzazione delle Caratteristiche, Validazione dei Modelli e Valutazione dell'Accuratezza, Interoperabilità Python-MATLAB, Integrazione Python per AI/ML, TensorFlow e PyTorch in MATLAB, Analisi Predittiva, Soluzioni AI Ingegneristiche, Flussi di Lavoro Deep Learning Ibridi, Adattamento di Modelli Pre-addestrati, Progettazione dell'Architettura delle Reti Neurali

Modulo 7: Calcolo GPU, Distribuzione e Integrazione Enterprise

Copre il calcolo ad alte prestazioni con accelerazione GPU, la generazione di codice per la distribuzione in produzione, la distribuzione delle App, il design basato sulla simulazione e i pattern di distribuzione enterprise-grade essenziali per ingegneri senior MATLAB e team lead.

7.1 Calcolo Accelerato GPU e Calcolo Parallelizzato

• Verifica della disponibilità della GPU e creazione di array GPU (gpuArray)
• Funzioni built-in accelerate da GPU: matematica e deep learning automaticamente accelerati
• Parallel Computing Toolbox: parfor per la parallelizzazione dei cicli
• SPMD (Single Program Multiple Data) e array distribuiti per HPC
• Computing su cluster e MATLAB Parallel Server per il computing su larga scala

7.2 Generazione del Codice e Distribuzione

• MATLAB Coder: generazione di codice C/C++ da funzioni MATLAB per sistemi embedded e di produzione
• Report di MATLAB Coder: analisi della generazione del codice, opportunità di ottimizzazione e controlli di compatibilità
• MATLAB Compiler: impacco di applicazioni MATLAB come eseguibili standalone e librerie condivise
• Interoperabilità Java e .NET per l'integrazione enterprise
• MATLAB Production Server: distribuzione del codice MATLAB come servizi web REST su infrastruttura enterprise

7.3 Distribuzione e Condivisione delle App MATLAB

• Pubblicazione di App MATLAB per la distribuzione interna all'organizzazione
• Condivisione di app MATLAB Online tramite MATLAB Drive
• Creazione di toolbox personalizzate con App Builder e App Designer

7.4 Simulink per il Design Basato su Modelli (MBD)

• Generazione del codice da modelli Simulink (Simulink Coder / Embedded Coder)
• Test Hardware-in-the-loop (HIL) e model-in-the-loop (MIL)
• Simulink per la simulazione di sistemi automobilistici, aerospaziali e robotici
• Stateflow: modellazione di macchine a stati per logica di controllo e sistemi event-driven

7.5 IoT e Sistemi Embedded

• li>Connessione di MATLAB all'hardware fisico: supporto dei pacchetti per Arduino, Raspberry Pi e BeagleBone
• Lettura dei dati dei sensori in tempo reale: temperatura, accelerometro, giroscopio, ultrasuoni e IMU
• Generazione del codice C per processori ARM embedded e distribuzione ai microcontrollori

Competenze Allineate al Mercato: Computing Accelerato GPU, Computing Parallelizzato, High-Performance Computing (HPC), Computing su Cluster, MATLAB Coder per Generazione del Codice C/C++, MATLAB Compiler, Distribuzione di Applicazioni Standalone, MATLAB Production Server, Distribuzione di Servizi API REST, Sviluppo di Sistemi Embedded, Testing Hardware-in-the-Loop (HIL), Ingegneria dei Sistemi Basata su Modelli (MBSE), Modellazione Stateflow, Generazione del Codice Simulink, Integrazione Sensori IoT, Edge Computing, Acquisizione Dati in Tempo Reale, Integrazione MATLAB Enterprise, Distribuzione MATLAB per Team e Organizzazione, Sviluppo di Microcontrollori ARM

Modulo 8: Applicazioni Specifiche per Settore e Progetto Finale

Applica MATLAB in diversi settori industriali più rilevanti per il mercato del lavoro (ingegneria, finanza, data science e biomedicale), culminando in un capstone pratico che integra ogni competenza in una soluzione completa di calcolo tecnico.

8.1 Applicazioni MATLAB Specifiche per Settore

• Ingegneria finanziaria con MATLAB: ottimizzazione del portafoglio, analisi del rischio, simulazione Monte Carlo e pricing delle opzioni (Black-Scholes)
• Elaborazione dei segnali biomedici: filtraggio dei segnali ECG/EEG, estrazione delle caratteristiche e visualizzazione
• Simulazione ingegneristica: modellazione di sistemi meccanici, elettrici e termici
• Analisi statistica e test delle ipotesi per ricerca e assicurazione qualità

8.2 Progetto Capstone: Soluzione MATLAB End-to-End

• Scenario reale completo: ingestione di dati dai sensori o sperimentali, pulizia e analisi, costruzione di un modello predittivo e generazione di un'app dashboard interattiva
• Implementazione di una soluzione basata su classi MATLAB per il dominio del problema
• Creazione di un modello Simulink del sistema in studio
• Applicazione del deep learning per il riconoscimento di pattern sul dataset
• Generazione di un report tecnico completo da un Live Script
• Documentazione del flusso di lavoro e distribuzione della soluzione in un ambiente simile alla produzione

8.3 Pratiche Professionali di Sviluppo MATLAB

• Standard di coding: guida di stile MATLAB (denominazione, formattazione, convenzioni di commento)
• Creazione e documentazione di toolbox MATLAB per il riutilizzo in team
• Gestione di grandi progetti MATLAB: organizzazione delle cartelle, dipendenze e CI/CD

Competenze Allineate al Mercato: Consegna della Soluzione Capstone, Ingegneria Finanziaria e Analisi Quantitativa, Elaborazione dei Segnali Biomedici, Analisi del Rischio del Portafoglio, Simulazione Monte Carlo, Pricing delle Opzioni, Test delle Ipotesi Statistiche, Sviluppo di Applicazioni MATLAB, Standard di Coding MATLAB, Documentazione Tecnica e Reporting, Architettura MATLAB Professionale, Simulazione e Modellazione Ingegneristica, Finanza Computazionale, Analisi dell'Assicurazione Qualità, Tooling e Gestione dei Flussi di Lavoro MATLAB, Collaborazione e Governance del Team MATLAB, Analisi Dati Enterprise