81610 - MACHINE LEARNING

Scheda insegnamento

  • Docente Davide Maltoni

  • Crediti formativi 6

  • SSD ING-INF/05

  • Modalità didattica Convenzionale - Lezioni in presenza

  • Lingua di insegnamento Italiano

  • Campus di Cesena

  • Corso Laurea Magistrale in Ingegneria e scienze informatiche (cod. 8614)

    Valido anche per Laurea Magistrale in Ingegneria biomedica (cod. 9243)

SDGs

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.

Istruzione di qualità Imprese innovazione e infrastrutture

Anno Accademico 2019/2020

Conoscenze e abilità da conseguire

Al termine del corso, anche grazie a una rilevante attività di laboratorio, lo studente sarà in grado di: - progettare sistemi capaci di apprendere in modo automatico - implementare tecniche di classificazione, regressione e clustering per risolvere problemi in diversi ambiti applicativi - utilizzare reti neurali e tecniche di base in ambito deep learning.

Contenuti

  • Intelligenza Artificiale e Machine Learning
  • Apprendimento Automatico Supervisionato e Non supervisionato
  • Classificazione e Regressione
  • Classificatori: Bayes, k-Nearest Neighbor, Support Vector Machines, Multiclassificatori
  • Clustering (K-means, EM) e Riduzione di Dimensionalità (PCA, DA)
  • Neural Networks (NN)
  • Introduzione al Deep Learning
  • Convolutional Neural Networks (CNN)
  • Reti Ricorrenti (RNN)
  • Reinforcement Learning (RL)

Testi/Bibliografia

Dispense a cura del docente al link:

http://bias.csr.unibo.it/maltoni/ml

Metodi didattici

Lezioni frontali ed esercitazioni guidate.

Testi e soluzione esercitazioni al link:

http://bias.csr.unibo.it/maltoni/ml

Modalità di verifica e valutazione dell'apprendimento

MODALITA' STANDARD

Esame scritto dalla durata di 90 minuti con esercizi e domande con risposta e testo libero.

Esempi di esami precedenti (con correzione) sono disponibili sulla pagina web del corso.

Non è possibile consulare materiale (es. dispense, libri, appunti) ma può essere usata una semplice calcolatrice (no smartphone).

Il punteggio (in trentesimi) è calcolato come somma dei punteggi dei singoli esercizi e domande. Il punteggio dei singoli esercizi può essere leggermente differente a seconda della loro complessità. Se il punteggio totale raggiunto è maggiore di 30 il voto finale è 30 e lode. 

MODALITA' ONLINE (EMERGENZA COVID-19)

Fino a quando rimangono in vigore le misure restrittive dovute all'emergenza COVID-19, la prova scritta è sostituita da una prova orale in videoconferenza, che verte su tutti gli argomenti/esercizi oggetto della prove in modalità standard.

 

E' possibile rifiutare il voto dell'esame al massimo due volte.

 

 

Strumenti a supporto della didattica

Librerie e tool di sviluppo per il machine learning:

- Scikit-learn (Python)

- Tensorflow, PyTorch, Caffè

Link ad altre eventuali informazioni

http://bias.csr.unibo.it/maltoni/ml

Orario di ricevimento

Consulta il sito web di Davide Maltoni