20810087 - MACHINE LEARNING

Gli obiettivi sono fornire compete avanzate e specifiche nell'ambito dei più recenti modelli e tecnologie di apprendimento automatico. Il corso consentirà la risoluzione di problemi complessi attraverso una adeguata formulazione del problema e la definizione di modelli e rappresentazioni della conoscenza più adatte, e le tecniche di implementazione più efficiente per l’implementazione degli algoritmi di machine learning. Si aprofondirranno le diverse tecniche di reinforcement learning e i domini di impiego; e si introdurranno modelli dello stato dell’arte, quali graph neural networks e tecniche di tuning e autotuning.
Il corso è costituito da una parte teorica e metodologica su concetti avanzati e innovativi, e da una attività laboratoriale in cui tali concetti sono applicati nella risoluzione di problemi mediante i più recenti framework di sviluppo.

Curriculum

scheda docente | materiale didattico

Fruizione: 20810308 Elementi di Intelligenza artificiale e Machine Learning in Ingegneria delle Tecnologie Aeronautiche e del Trasporto Aereo L-9 R SANSONETTI GIUSEPPE,

Programma

1. Introduzione al Corso
- Aree di interesse del Machine Learning.
- Potenzialità dei modelli e dei metodi di ML.

2. Regressione
- Introduzione alla Linear Regression.
- Overfitting nella Regressione.
- Regolarizzazione: Ridge Regression.
- Feature Selection e Lasso.

3. Classificazione
- Logistic Regression per la classificazione.
- Overfitting nella Classificazione.
- Boosting. Algoritmo AdaBoost.
- Naïve Bayes.
- Support Vector Machines.

4. Clustering
- Algoritmi k-means e k-means++
- Expectation Maximization.
- Clustering gerarchico.

5. Reti Neurali Artificiali
- Architettura delle Reti Neurali Artificiali.
- Algoritmo di Apprendimento di Backpropagation.
- Applicazioni delle Reti Neurali Artificiali.

Testi Adottati

Lucidi delle lezioni.

Modalità Frequenza

La frequenza non è obbligatoria, ma è fortemente consigliata.

Modalità Valutazione

Prova scritta e prova pratica di laboratorio.

Fruizione: 20810308 Elementi di Intelligenza artificiale e Machine Learning in Ingegneria delle Tecnologie Aeronautiche e del Trasporto Aereo L-9 R SANSONETTI GIUSEPPE,

scheda docente | materiale didattico

Fruizione: 20810308 Elementi di Intelligenza artificiale e Machine Learning in Ingegneria delle Tecnologie Aeronautiche e del Trasporto Aereo L-9 R SANSONETTI GIUSEPPE,

Programma

1. Introduzione al Corso
- Aree di interesse del Machine Learning.
- Potenzialità dei modelli e dei metodi di ML.

2. Regressione
- Introduzione alla Linear Regression.
- Overfitting nella Regressione.
- Regolarizzazione: Ridge Regression.
- Feature Selection e Lasso.

3. Classificazione
- Logistic Regression per la classificazione.
- Overfitting nella Classificazione.
- Boosting. Algoritmo AdaBoost.
- Naïve Bayes.
- Support Vector Machines.

4. Clustering
- Algoritmi k-means e k-means++
- Expectation Maximization.
- Clustering gerarchico.

5. Reti Neurali Artificiali
- Architettura delle Reti Neurali Artificiali.
- Algoritmo di Apprendimento di Backpropagation.
- Applicazioni delle Reti Neurali Artificiali.

Testi Adottati

Lucidi delle lezioni.

Modalità Frequenza

La frequenza non è obbligatoria, ma è fortemente consigliata.

Modalità Valutazione

Prova scritta e prova pratica di laboratorio.

Fruizione: 20810308 Elementi di Intelligenza artificiale e Machine Learning in Ingegneria delle Tecnologie Aeronautiche e del Trasporto Aereo L-9 R SANSONETTI GIUSEPPE,