2023/2024

Basi di analisi matematematica, funzioni a più variabili, algebra lineare.

- Abhishek Kumar Pandey, Pramod Singh Rathore, Dr. S. Balamurugan "A Practical Approach for Machine Learning and Deep Learning Algorithms Tools and Technique using MATLAB and Python", BPB Publications, INDIA ISBN: 978-93-88511-13-1
- Aurélien Géron, "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (Concepts, Tools, and Techniques to Build Intelligent Systems)", O'REILLY
- Ian Goodfellow_Yoshua Bengio_ Aaron Courville - Deep Learning (2016_ The MIT Press)

Machine Learning Supervisionato

Introduzione, definizioni, concetti e applicazioni, coding (livello base).
regressione lineare (funzione costo, algoritmo del gradiente descente,
learning rate, matrice pseudoinversa) caso multivariato
Feature scaling e Z−score, costruzione delle variabili rilevanti, regressione logistica,
Decision boundaries. Il problema dell'overfitting
regolarizzazione per la regressione lineare e logistica

2 MACHINE LEARNING NON SUPERVISIONATO
Il clustering, algoritmo K-means e knn (cenni)
Anomaly detection.

3 MACHINE LEARNING IN PRATICA
Iperparametri e strategie di training. Valutazione del modello,
overfitting, underfitting e regolarizzazione. Learning curves, analisi
dell'errore.
Transfer learning. Trading off della precision e della recall

4 NEURAL NETWORKS AND DEEP LEARNING
TensorFlow, Matlab deeplearnong toolbox
Strategie di training e funzionio di attivazione(sigmoid, ReLu, etc)
Classificazione multiclasse. Applicazioni del Deeplearning: classificazione di immagini e YOLO

- Dispense del docente.

Il corso sarà svolto in Italiano

Durante il corso allo studente verranno proposti dei problemi da risolvere con i metodi appresi. La valutazione finale consistera nella risoluzuione di un problema di machine learning o deep learning.

    Luciano Ortenzi