Insegnamento MACHINE LEARNING

Corso
Informatica
Codice insegnamento
A002051
Curriculum
Comune a tutti i curricula
Docente
Valentina Poggioni
Docenti
  • Valentina Poggioni
Ore
  • 68 ore - Valentina Poggioni
CFU
9
Regolamento
Coorte 2023
Erogato
2023/24
Attività
Caratterizzante
Ambito
Discipline informatiche
Settore
INF/01
Tipo insegnamento
Obbligatorio (Required)
Tipo attività
Attività formativa monodisciplinare
Lingua insegnamento
INGLESE
Contenuti
Introduzione al machine learning. Approccio supervisionato, semi-supervisionato e non supervisionato.
Classificazione, clustering, anomaly detection. Applicazioni alla computer vision e al natural language processing. Introduzione al deep learning. Modelli avanzati di reti neurali.
Testi di riferimento
Tan, Steinbach, Karpatne, Kumar.
Introduction to Data Mining, 2nd Edition
2019. Pearson

Charu C. Aggarwal.
Neural Networks and Deep Learning: a text book. Springer 2018
Obiettivi formativi
Lo studente conoscerà i principali metodi del machine learning secondo i vari approcci supervisionato, semi-supervisionato e non supervisionato. Conoscerà inoltre alcuni metodi tipici del deep learning anche applicato a problemi di computer vision e natural language processing. Sarà in grado di progettare implementare, addestrare e testare sistemi intelligenti per la classificazione, il clustering e l'anomaly detection basati su modelli avanzati di reti neurali.
Prerequisiti
Nessuna
Metodi didattici
Lezioni frontali in aula e lezioni pratiche in laboratorio
Altre informazioni
Per qualsiasi altra informazione www.unistudium.unipg.it
Modalità di verifica dell'apprendimento
Esame orale e progetto. Prove intermedie durante il corso
Programma esteso
Introduzione al machine learning. Approccio supervisionato, semi-supervisionato e non supervisionato.
Classificazione (decision trees, rule-based approach, naive bayes, nearest neighbors, SVM, neural networks, ensemble) , clustering (k-means, hierarchical approaches, density based approaches), anomaly detection. Applicazioni alla computer vision e al natural language processing. Introduzione al deep learning. Modelli avanzati di reti neurali (convolutional NN, recurrent NN, generative models).
Condividi su