INFORMAZIONI SU
Machine Learning
Programma dell'insegnamento - Corso di laurea Magistrale in Comunicazione multimediale e Tecnologie dell'Informazione
Docente
- Prof. Christian Micheloni
Indirizzo e-mail
christian.micheloni@uniud.it
Indirizzo Pagina Web Personale
http://www.dimi.uniud.it/members/christian.micheloni/
Crediti
6 CFU
Programma
- Introduzione – Presentazione del corso e dei concetti base del machine learning quali vettori e spazi di feature. Applicazioni di machine learning quali classificazione, regressione, clustering e compressione dei dati. Classificazione delle tecniche di machine learning in supervisionato e non supervisionato.
- Statitical learning theory -
- Regressione – Tecniche di regressione lineare (minimizzazione della funzione costo mediante discensa del gradiente, least squares, polynomial regression). Logistic regression di tipo binomiale e polinomiale.
- Algoritmi Supervisionati - Introduzione agli algoritmi di classificazione. Presentazione degli algoritmi di classificazione più diffusi (Alberi di decisione, reti neurali, kernel, support vector machines, boosting)
- Algoritmi Non Supervisionati – Definizione di clustering e principali tecniche di clusteirng (k-means, GMM, EM, etc.) . Presentazione delle tecniche di compressione dei dati mediante algoritmi di dimensionality reduction quali PCA,ICA e LDA.
- Applicazioni – uso di algoritmi di machine learning per scopi reali quali la percezione, analisi del testo, visione artificiale, medicina, economia e altri.
Bibliografia
Testi Consigliati:
Tom M. Mitchell, Machine Learning. McGraw-Hill, 1997.
Christopher M . Bishop, Pattern Recognition and Machine Learning, Information Science and Statistics, 2006
Modalità d'esame
L’esame consiste in una prova scritta seguita dall’orale.