Obiettivi
Obiettivi generali
Il corso introduce le motivazioni, paradigm e applicazioni dei sistemi di apprendimento automatic. Si tratta di un corso introduttivo.
Obiettivi specifici
Apprendimento supervisionato: alberi di decisione, apprendimento di istanze, naïve Bayes, support vector machine, neural networks, deep learning, ensamble methods. Apprendimento non supervisionato: clustering, association rules. Apprendimento semi-supervisionato: Reinforcement learning. Genetic algorithms e genetic programming. Problemi generali: underfitting, overfitting, model selection, error analysis.
Conoscenza e comprensione:
Gli studenti impareranno quali algoritmi si adattano meglio a quali categorie di problemi, come descrivere il dominio dell'applicazione, come regolare parametri e iperparametri del modello, come testare le prestazioni.
Applicazione di conoscenza e comprensione:
Gli studenti faranno esperimenti utilizzando toolkits di ML quali Weka, Tensor Flow e scikit-lear.
Autonomia di giudizio:
Gli studenti saranno in grado di comprendere le categorie di problemi che possono essere risolti in modo efficiente con algoritmi di apprendimento automatico, a quali condizioni.
Abilità comunicative:
Queste saranno valutate durante gli esami scritti e la reportistica del progetto.
Capacità di apprendimento successivo:
Gli studenti riceveranno una solida base per approfondire ulteriormente i metodi più avanzati, come il deep learning, l'apprendimento probabilistico ed altri.
Canali
NESSUNA CANALIZZAZIONE
PAOLA VELARDI Scheda docente
Programma
Apprendimento supervisionato, non supervisionato, semi-supervisionato. metodi algebrici logici e probabilistici. Introduzione al deep learning
Testi adottati
vedere http://twiki.di.uniroma1.it/twiki/view/ApprAuto
Bibliografia di riferimento
http://twiki.di.uniroma1.it/twiki/view/ApprAuto
Prerequisiti
Nozioni di base logica e algoritmi- python and/or java
Modalità di valutazione
prove in itinere, prova scritta, progetto
Data inizio prenotazione | Data fine prenotazione | Data appello |
---|---|---|
01/01/2020 | 28/01/2020 | 29/01/2020 |
19/04/2020 | 29/04/2020 | 30/04/2020 |
20/05/2020 | 14/06/2020 | 15/06/2020 |
28/07/2020 | 28/07/2020 | 29/07/2020 |
15/08/2020 | 10/09/2020 | 11/09/2020 |
- Anno accademico: 2019/2020
- Curriculum: Multimedia Computing and Interaction
- Anno: Primo anno
- Semestre: Primo semestre
- SSD: INF/01
- CFU: 6
- Attività formative caratterizzanti
- Ambito disciplinare: Discipline Informatiche
- Ore esercitazioni: 36
- Ore Aula: 24
- CFU: 6.00
- SSD: INF/01