Several scientific papers (see "materials" in the lectures list)
Obiettivi Formativi
Imparerete vari algoritmi fondamentali ed avanzati per l'apprendimento statistico, conoscerete gli aspetti di base della teoria computazionale dell'apprendimento, e sarete in grado di progettare soluzioni allo stato dell'arte per risolvere problemi applicativi.
Prerequisiti
Una buona conoscenza di un linguaggio di programmazione e solide basi di matematica (analisi, algebra lineare, teoria della probabilità). Conoscenze preliminari di tecniche di ottimizzazione e di statistica sono utili ma non strettamente necessarie.
Metodi Didattici
Lezioni e sessioni pratiche.
Modalità di verifica apprendimento
B010476: 9 CFU
L'esame consiste di un'unica prova orale. L'argomento è a vostra scelta
ma vi consiglio di concordarlo con me prima di iniziare la preparazione.
Di solito viene assegnata la lettura di alcuni articoli scientifici e potrebbe
essere richiesto riprodurre alcuni risultati sperimentali.
Dovrete esporre brevemente (30 minuti) il vostro argomento. Assicuratevi
che la presentazione includa un'introduzione al problema studiato, una breve rassegna
della letteratura rilevante, descrizione tecnica del metodo e, se appropriato, una
descrizione dettagliata del lavoro sperimentale. Potete usare strumenti multimediali
per la vostra presentazione. Siete responsabili della comprensione
dei concetti rilevanti e della teoria.
Potete formare gruppi di due studenti (tre in casi eccezionali e motivati)
per lavori di tipo sperimentale. In questi casi assicuratevi che il contributo
apportato da ciascuno di voi sia chiaramente riconoscibile.
B018973: 6 CFU
L'esame consiste di un'unica prova orale su un sottoinsieme degli argomenti (apprendimento con supervisione, teoria dell'apprendimento, modelli grafici)
Presentazione del corso. Applicazioni dell'apprendimento automatico. Apprendimento con supervisione. Concetti chiave nella classifizione: minimizzazione del rischio empirico, errore di Bayes. Analisi discriminante lineare. (3h)