Obiettivi formativi
L’obiettivo del modulo è l'insegnamento teorico e pratico di alcuni algoritmi di apprendimento automatico finalizzati alla classificazione di dati.
Le tecniche proposte nel corso permetteranno allo studente di:
- apprendere ed utilizzare algoritmi di apprendimento induttivo
- apprendere ed utilizzare reti neurali ed altre famiglie di algoritmi per la classificazione supervisionata dei dati
- apprendere ed applicare i principali algoritmi di clustering supervisionato e non supervisionato
Prerequisiti
Corsi di base in algebra lineare e teoria della probabilità, quali ad esempio quelli offerti nel corso di laurea triennale corrispondente, sono necessari prerequisiti per questo corso.
Contenuti dell'insegnamento
Parte 1: Introduzione
Lezione 1: Come impostare un esperimento di machine learning
Lezione 2: Classificazione basata sull'apprendimento
Parte 2: Reti neurali
Lezione 3: Introduzione alle reti neurali
Lezione 4: Apprendimento supervisionato e non supervisionato
Lezione 5: Apprendimento supervisionato: l'algoritmo Backpropagation
Lezione 6: Apprendimento non supervisionato e clustering
Lezione 7: Reti auto-organizzanti di Kohonen (SOM)
Lezione 8: Learning Vector Quantization
Parte 3: Altri classificatori basati sull'apprendimento
Lezione 9: Support Vector Machines
Esercitazioni in laboratorio:
Esercitazione 1: WEKA
Esercitazione 2: Classificazione con WEKA: Multi-Layer Perceptrons
Esercitazione 3: Clustering mediante SOM
Programma esteso
- - -
Bibliografia
[1] C. W. Therrien, "Decision, estimation and classification" Wiley, 1989
[2] C. M. Bishop "Pattern Recognition and Machine Learning", Springer, 2006.
[3] R O Duda, P, E. Hart, D. G. Stork, "Pattern classification", 2nd Ed., Wiley, 2001
Metodi didattici
Didattica frontale 18 ore.
Esercitazioni 6 ore.
Esercizi assegnati per casa.
Modalità verifica apprendimento
Assegnazione di un progetto pratico che prevede la realizzazione di un'applicazione basata sui metodi trattati nel corso, i cui risultati dovranno essere presentati in forma di relazione scritta e di presentazione orale.
Altre informazioni
Ricevimento
su appuntamento(Sede Scientifica Ingegneria, Pal.1, I piano,
email stefano.cagnoni[AT]unipr.it).
Obiettivi agenda 2030 per lo sviluppo sostenibile
- - -
