Apprendimento Automatico
Contenuto e Struttura del corso
(aa. 2012/2013)

 

(Ultimo aggiornamento 7 Giugno 2013)

Docenti: Alessandro Sperduti e Fabio Aiolli

(Corso integrativo in inglese tenuto da Pierre Baldi)




Note introduttive

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. E. Alpaydin, "Introduction to Machine Learning", Cambridge University Press,  2010.
I seminari del Prof. Pierre Baldi faranno riferimento a:
  1. P. Baldi, S. Brunak, Bioinformatics: the Machine Learning Approach, MIT Press, 2001
  2. P. Baldi, G. Pollastri, The Principled Design of Large-Scale Recursive Neural Architectures NetworkDAG-RNNs and the Protein Structure Prediction Problem, Journal of Machine Learning Research, Vol. 4,, 2003, 575-602

Calendario delle lezioni

Il corso si tiene con il seguente calendario:   Lunedì, Martedì, Mercoledì 15:30-17:30 in aula Torre Archimede 1BC/50  nel periodo 8 Aprile 2013 -  12 Giugno 2013

Laboratorio: P036 (Paolotti) in orario di lezione


Ricevimento studenti

Il ricevimento studenti si svolge, tranne diverso avviso, con il seguente calendario:

Modalita' di esame

Orale


Appelli di esame

in questa sezione saranno inserite informazioni sugli appelli d'esame

LUCIDI DELLE LEZIONI:

Lucidi di introduzione al corso, 8-9/04

Complessità dello spazio delle ipotesi, 10/04

VC-dimension (spazio ipotesi finito, infinita), 22/04

Apprendimento di Concetti, 22/04

Apprendimento di Alberi di Decisione (parte 1), 23/04

Apprendimento di Alberi di Decisione (parte 2), 24,29/04

Selezione degli Attributi (Feature Selection), 29/04

Ciclo Seminari Prof. Pierre Baldi: seminario del 6 Maggio

Ciclo Seminari Prof. Pierre Baldi: seminario del 7 Maggio

Ciclo Seminari Prof. Pierre Baldi: seminario del 8 Maggio

Ciclo Seminari Prof. Pierre Baldi: seminario del 9 Maggio (AULA 1BC/45)

COMPITINO: 13 Maggio, Aula 1BC/50

Esempio di compitino (prima parte)

Support Vector Machines, 14,15/05

La lezione del 20 Maggio sarà tenuta alle ore 13:30 e sarà seguita da una lezione di approfondimento sulle Reti Neurali

Clustering (20 Maggio, ore 13:30)

Approfondimento su Reti Neurali (20 Maggio, ore 15:30)

Lezioni Aiolli

COMPITINO: 10 Giugno, Aula 1BC/50, ore 15:30

Esempio di compitino (seconda parte)


Contenuti di massima del corso

- Concetti fondamentali dell'apprendimento automatico
- Apprendimento di Concetti
- Apprendimento di alberi di decisione
- Reti Neurali
- Support Vector Machines
- Apprendimento probabilistico
- Algoritmi "semplici" di clustering
- Esemplificazione di casi pratici