CODICE | 98795 |
---|---|
ANNO ACCADEMICO | 2020/2021 |
CFU |
|
SETTORE SCIENTIFICO DISCIPLINARE | MAT/06 |
LINGUA | Italiano (Inglese a richiesta) |
SEDE |
|
PERIODO | 2° Semestre |
MATERIALE DIDATTICO | AULAWEB |
L'insegnamento offre un'introduzione alla teoria matematica del machine learning, i cui strumenti sono alla base dei moderni algoritmi di apprendimento automatico e dell'analisi dati in grandi dimensioni. L'insegnamento è rivolto agli studenti della laurea magistrale in matematica.
L’obiettivo primario è quello di fornire allo studente il linguaggio e gli strumenti di base dell’apprendimento automatico, con particolare enfasi al caso supervisionato. L’approccio seguito si basa su una formulazione del problema del machine learning come problema inverso stocastico. Lo studente dovrà inoltre conoscere alcuni degli algoritmi più noti, comprendendone sia le proprietà statistiche sia quelle computazionali.
Al termine dell'insegnamento, lo studente avrà acquisito
Analisi Matematica 1 e 2, Algebra Linerare e Probabilità.
Lezioni frontali di teoria e laboratori
Ricevimento: Su appuntamento: parlare direttamente con il docente oppure scrivere a villa@dima.unige.it.
LORENZO ROSASCO (Presidente)
ERNESTO DE VITO
SILVIA VILLA (Presidente Supplente)
In accordo con il calendario accademico approvato dal Consiglio di Corsi di Studi.
L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.
L'esame consiste nella preparazione di una breve tesina scritta (di circa dieci pagine) e la relativa discussione in sede di esame. Lo studente può scegliere uno delle seguente tipologie
Lo studente deve concordare preventivamente con i docenti l'argomento della tesina.
La preparazione della tesina e la relativa discussione sono finalizzate a verificare il raggiungimento da parte dello studente di una sufficiente capacità critica ed autonomia di ragionamento nell'ambito del machine learning.
Inoltre, la scrittura della tesi serve a verificare la capacità dello studente di elaborare in forma scritta le proprie idee.