Apprendimento Automatico
Contenuto e Struttura del corso
(aa. 2011/2012)

 

(Ultimo aggiornamento 16 Gennaio 2012: orale/registrazione 16 Gennaio, ore 17:30 Aula 2BC30

Docenti: Alessandro Sperduti e Fabio Aiolli




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. J. Shawe-Taylor & N. Cristianini, "Kernel Methods for Pattern Recognition", Cambridge University Press,  2004.

Calendario delle lezioni

Il corso si tiene con il seguente calendario:   Lunedì, Martedì, Giovedì 15:30-17:30 in aula Torre Archimede 1BC/50  nel periodo 3 Ottobre 2011 -  7 Dicembre 2011

Laboratorio (4 lezioni del Giovedì): 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 (parte 1), 3 Ottobre

Lucidi di introduzione al corso (parte 2), 4 Ottobre

VC-Dimension, 6 Ottobre

Apprendimento di concetti, 10 Ottobre

PAC Learning, 11 e 24 Ottobre

I lezione di laboratorio 13 Ottobre (Aiolli)

Lezioni del 17 e 18 Ottobre non tenute per assenza del docente

II lezione di laboratorio 20 e 27 Ottobre (Aiolli)

codice cpp per analisi delle feature (.ps), 20 Ottobre (Aiolli)

codice per analisi delle feature (.cpp), 20 Ottobre (Aiolli)

Alberi di Decisione, 24, 25 Ottobre, 7 Novembre

III lezione di laboratorio 3 Novembre (Aiolli)

AdaBoost, 7 e 8 Novembre; Riferimento bibliografico in rete (Capitolo 10): The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Second Edition, February 2009, Trevor Hastie, Robert Tibshirani, Jerome Friedman

IV lezione di laboratorio 10 Novembre (Aiolli)

Apprendimento Bayesiano, 15 e 21 Novembre

V lezione di laboratorio 17 Novembre (Aiolli)

Support Vector Machines, 28 e 29 Novembre

Reti Neurali, 5 e 6 Dicembre


Contenuti di massima del corso

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