PROF. SALVATORE D’ANGELO
CALENDARIO:
GIUGNO 1, 8, 15, 22, 29 DALLE 14:30 ALLE 16:30
LUGLIO 6, 13, 20 DALLE 14:30 ALLE 16:30
Riunione di Microsoft Teams
Partecipa da computer o app per dispositivi mobili
Fai clic qui per partecipare alla riunione
INTRODUZIONE AL MACHINE LEARNING E INTELLIGENZA ARTIFICIALE
FONDAMENTI:
- Dati e Pattern: Numerici, Categorici, Sequenze
- Problemi di Learning: Classificazione, Regressione, Clustering, Riduzione, Dimensionalità, Representation Learning
- Tipi di Learning: Supervisionato, Non supervisionato, Batch, Incrementale, Naturale, Reinforcement Learning
- Training e Valutazione Prestazioni: Funzione Obiettivo, Parametri, Iperparametri, Misura delle Prestazioni, Training, Validation, Test, Convergenza, Generalizzazione e Overfitting
CLASSIFICAZIONE:
- Classificatore di Bayes
- Nearest Neighbor
- SVM
- Multi classificatori
REGRESSIONE:
CLUSTERING:
- Gerarchico
- Centroide-based
RIDUZIONE DIMENSIONALITÀ:
- Principal Component Analysis (PCA)
- Linear Discriminant Analysis (LDA)
RETI NEURALI:
- Neuroni Biologici
- Neuroni Artificiali
- Tipologie di Reti
- Multilayer Perceptron (MLP)
DEEP LEARNING:
- Perché deep?, livelli e complessità, tipologie di DNN
- Da MLP a CNN
- Convolutional Neural Networks (CNN)