Seleziona l'Anno Accademico:     2017/2018 2018/2019 2019/2020 2020/2021 2021/2022 2022/2023
Docente
LORENZO PUTZU (Tit.)
BATTISTA BIGGIO
Periodo
Primo Semestre 
Modalità d'Erogazione
Convenzionale 
Lingua Insegnamento
ITALIANO 



Informazioni aggiuntive

Corso Percorso CFU Durata(h)
[60/79]  INFORMATICA APPLICATA E DATA ANALYTICS [79/00 - Ord. 2021]  PERCORSO COMUNE 9 84

Obiettivi

Questo corso fornisce conoscenze teoriche e operative su strumenti fondamentali per l’informatica applicata e data analytics, facenti parte delle tecniche di machine learning. Gli obiettivi formativi in termini dei descrittori di Dublino sono i seguenti:

Conoscenza e capacità di comprensione:
- dei principali metodi dell'apprendimento automatico ("machine learning") e dei suoi settori di applicazione
-delle differenze tra le varie tecniche di machine learning e l’adeguatezza per uno specifico settore applicativo
-dei metodi di valutazione delle prestazioni dei sistemi di apprendimento automatico
- degli elementi essenziali dei principali framework in linguaggio Python per l’apprendimento automatico

Capacità di applicare conoscenza e comprensione:
- nel risolvere esercizi sugli argomenti trattati durante il corso
- nello sviluppare programmi Python per la soluzione di problemi di apprendimento automatico di media difficoltà;
- nell’addestrate dei sistemi di apprendimento automatico per uno specifico settore applicativo e valutarne le prestazioni

Autonomia di giudizio:
- nel valutare le alternative disponibili in fase di progettazione di un sistema di apprendimento automatico
- nel valutare le alternative disponibili in fase di sviluppo di un programma Python per la soluzione di problemi di apprendimento automatico

Abilità comunicative:
-nel presentare ed esprimere correttamente gli aspetti e i problemi legati alla progettazione del sistema di apprendimento automatico proposto
- nel presentare e discutere le scelte di progettazione e quelle di implementazione nel passaggio alla sua codifica linguaggio Python

Prerequisiti

Per frequentare il corso sono necessarie le conoscenze di base dell'architettura dei calcolatori e di un linguaggio strutturato di programmazione (C, Python, ecc.); buona conoscenza dei concetti di base dell'analisi matematica e della geometria.
Per sostenere l’esame è necessario aver superat l’esame di Programmazione e Algoritmi e Strutture Dati.

Contenuti

Introduzione al Machine Learning
Tipi di dati, Qualità dei dati e Pre-processing
Classificazione
Regressione
Clustering
Insiemi di classificatori
Sicurezza dei sistemi di Machine Learning

Metodi Didattici

48 ore di lezioni frontali e 36 ore di laboratorio.
Per soddisfare esigenze didattiche specifiche connesse alla situazione epidemiologica, è prevista la possibilità di lezioni in diretta streaming o registrazioni delle stesse disponibili on-line. Inoltre, le esercitazioni potranno essere svolte mediante forme di interazione a distanza con i supporti informatici disponibili.

Verifica dell'apprendimento

La prova d'esame è suddivisa in due parti:
- una prova scritta (o due prove intermedie)
- un progetto di fine corso
Entrambe le prove contribuiscono per il 50% al voto finale.

Testi

Python e Machine Learning,
Alessandro Bellini, Andrea Guidi

Practical Machine learning,
Sunila Gollapudi


Pattern Recognition and Machine Learning,
Christopher Bishop,
https://www.microsoft.com/en-us/research/people/cmbishop/prml-book/

Altre Informazioni

;

Questionario e social

Condividi su:
Impostazioni cookie