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

  • Orario delle lezioni dal 19/09/2019 al 19/12/2019

SDGs

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

Istruzione di qualità Industria, 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.

Programma/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 dell'apprendimento

Esame scritto con esercizi e domande con risposta e testo libero.

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

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