Machine learning con applicazioni
A.A. 2020/2021
Obiettivi formativi
Oggetto del corso sono i metodi automatici per ottenere predizioni e
formulare modelli a partire dai dati. Il corso insegnerà allo studente le basi teoriche del machine learning (fondamenti di statistical learning
theory, classificazione, regressione) e metodi consolidati per compiti
comuni (come il clustering e la riduzione dimensionale).
formulare modelli a partire dai dati. Il corso insegnerà allo studente le basi teoriche del machine learning (fondamenti di statistical learning
theory, classificazione, regressione) e metodi consolidati per compiti
comuni (come il clustering e la riduzione dimensionale).
Risultati apprendimento attesi
Lo studente saprà analizzare dati scegliendo con criterio tra una
tavolozza di metodi numerici solidi. Avrà inoltre una buona dimestichezza con le nozioni e il linguaggio comuni alle discipline che utilizzano tali metodi (ad esempio informatica, economia, matematica).
tavolozza di metodi numerici solidi. Avrà inoltre una buona dimestichezza con le nozioni e il linguaggio comuni alle discipline che utilizzano tali metodi (ad esempio informatica, economia, matematica).
Periodo: Primo semestre (se vi sono più edizioni controllare anche il periodo dell'edizione, che può essere diverso)
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo semestre
FIS/03 - FISICA DELLA MATERIA - CFU: 0
FIS/04 - FISICA NUCLEARE E SUBNUCLEARE - CFU: 0
FIS/04 - FISICA NUCLEARE E SUBNUCLEARE - CFU: 0
Lezioni: 42 ore
Docente:
Barbieri Carlo
Siti didattici
Docente/i
Ricevimento:
Su appuntamento via e-mail
Ufficio c/o Dip. Fisica via Celoria 16