Il corso si propone di fornire le nozioni fondamentali per la comprensione e la progettazione di sistemi che utilizzano tecniche di Apprendimento Automatico.
I principali riferimenti bibliografici del corso sono i seguenti:

1. T. Mitchell , "Machine Learning", McGraw Hill, 1998. (libro di testo)
2. J. Shawe-Taylor & N. Cristianini, "Kernel Methods for Pattern Recognition", Cambridge University Press,  2004.
   

Calendario delle lezioni

Laboratorio (11, 18, 25 Maggio, 8 Giugno): Aula B, dalle 14:30 alle 16:30

Ricevimento studenti

• Martedì 15:00 - 17:00 in stanza 427, Torre Archimede

Modalita' di esame

Appelli di esame

Risultati I compitino

Risultati II compitino con proposta voti finali

Registrazione: 9 Luglio, ore 14:30 Aula 1BC/45. Stesso giorno/orario/aula -> presentazione progetti Intelligenza Artificiale

LUCIDI DELLE LEZIONI:

Introduzione e concetti fondamentali (7,8 e 9 Aprile)

Concetti fondamentali (9 Aprile)

Lezioni 21, 22, 23 Aprile non tenute

Apprendimento PAC, On-Line, Alberi di Decisione (28, 29, 30 Aprile, 5 Maggio)

Esempi di applicazione di ID3 (5 Maggio)

Boosting, Reti Neurali (6,7,12,13,14 Maggio)

Support Vector Machines (14,19, 20 Maggio)

Apprendimento Bayesiano (26-28 Maggio)

Apprendimento con Rinforzo (3 Giugno, 4 Giugno non c'e' lezione)

Cenni k-nn e alg. clustering (9 Giugno)

Contenuti di massima del corso