CODICE | 104852 |
---|---|
ANNO ACCADEMICO | 2020/2021 |
CFU | 5 cfu al 1° anno di 10378 INTERNET AND MULTIMEDIA ENGINEERING (LM-27) GENOVA |
SETTORE SCIENTIFICO DISCIPLINARE | ING-INF/03 |
SEDE | GENOVA (INTERNET AND MULTIMEDIA ENGINEERING) |
PERIODO | 2° Semestre |
MATERIALE DIDATTICO | AULAWEB |
L'apprendimento automatico si sta affermando come un'area scientifica di notevole rilevanza grazie alla disponibilità di computer sempre più potenti e di algoritmi che ne consentono l'applicazione nei più svariati settori, tra i quali anche settori chiave dal punto di vista sociale ed economico. Questo corso presenta le principali metodologie di apprendimento automatico finalizzate al "riconoscimento", inteso come classificazione di dati rappresentati in modo strutturato.
In this course several Machine learning methods applied to pattern recognition are presented and their application to images from real domains are discussed: • Decision Theory • Supervised Probability Density Estimate • Feature Reduction • Linear and Nonlinear Classifiers (MDM, k-nn, SVMs) • Neural Networks and Deep Learning • Accuracy of Supervised Classifiers • Unsupervised Classifiers (Clustering) • Fuzzy Classifiers • Contextual image classification
Scopo di questo corso è fornire le basi dell'apprendimento automatico e presentare alcuni metodi avanzati con particolare riferimento alla classificazione di dati numerici rappresentati in forma strutturata; nell'ambito del corso verranno presentati esempi e discusse applicazioni al riconoscimento di segnali e immagini. Lo studente imparerà a rappresentare in spazi vettoriali multidimensionali le caratteristiche (misure o attributi) dei "campioni" da classificare; sarà in grado di ridurre la dimensionalità di tale rappresentazione limitando la perdita di informazione, di stimare le distribuzioni probabilistiche dei dati, di classificare i campioni con tecniche classiche e con tecniche avanzate più recenti (SVM, reti neurali, "deep learning"), valutare o stimare l'accuratezza di un classificatore supervisionato, rappresentare e utilizzare l'informazione contestuale presente in un'immagine, estrarre le "classi naturali" presenti in un insieme di dati, anche rappresentando l'incertezza con l'approccio "fuzzy" e validando i relativi risultati.
Analisi matematica (funzioni di una o più variabili reali, integrali, ottimizzazione di funzionali); probabilità e variabili aleatorie; calcolo matriciale.
Lezioni frontali sulla teoria, sulle applicazioni e sulla risoluzione di problemi. Esercitazioni di laboratorio basate sull'implementazione software assistita di alcune tecniche apprese a lezione.
L'effettivo svolgimento in presenza delle lezioni e delle esercitazioni di laboratorio dipenderà dalle decisioni del corso di studi e dell'ateneo in relazione all'evoluzione dell'emergenza sanitaria dovuta al COVID-19.
In questo corso vengono presentati i principali metodi di apprendimento automatico per la classificazione di dati numerici e viene discussa la loro applicazione alle immagini in contesti reali. In particolare, vengono cosiderati:
|
Diapositive presentate a lezione disponibili in Aulaweb.
Testi per consultazione:
Riferimenti bibliografici specifici sono inseriti nei singoli capitoli nei quali le diapositive del corso sono raggruppate.
Ricevimento: Su appuntamento.
SEBASTIANO SERPICO (Presidente)
SILVANA DELLEPIANE
GABRIELE MOSER (Presidente Supplente)
Lezioni frontali sulla teoria, sulle applicazioni e sulla risoluzione di problemi. Esercitazioni di laboratorio basate sull'implementazione software assistita di alcune tecniche apprese a lezione.
L'effettivo svolgimento in presenza delle lezioni e delle esercitazioni di laboratorio dipenderà dalle decisioni del corso di studi e dell'ateneo in relazione all'evoluzione dell'emergenza sanitaria dovuta al COVID-19.
Come da calendario didattico.
L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.
Data | Ora | Luogo | Tipologia | Note |
---|---|---|---|---|
11/06/2021 | 16:00 | GENOVA | Orale | |
01/07/2021 | 16:00 | GENOVA | Orale | |
20/07/2021 | 16:00 | GENOVA | Orale | |
13/09/2021 | 16:00 | GENOVA | Orale |