81610 - MACHINE LEARNING

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)

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

Esame scritto e/o elaborato di progetto

Strumenti a supporto della didattica

Librerie e tool di sviluppo per il machine learning

Link ad altre eventuali informazioni

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

Orario di ricevimento

Consulta il sito web di Davide Maltoni