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:

• Lineare
• Non Lineare

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)