- Docente: Davide Maltoni
- Crediti formativi: 6
- SSD: ING-INF/05
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Cesena
- Corso: Laurea Magistrale in Ingegneria e scienze informatiche (cod. 8614)
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
Esame scritto
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
SDGs
L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.