Salta al contenuto principale
CODICE 86798
ANNO ACCADEMICO 2022/2023
CFU
SETTORE SCIENTIFICO DISCIPLINARE ING-INF/05
LINGUA Inglese
SEDE
  • GENOVA
PERIODO 1° Semestre
MATERIALE DIDATTICO AULAWEB

PRESENTAZIONE

Nell'era dell'informazione qualunque sistema o dispositivo genera una qualche forma di dati per scopi diagnostici o di analisi.
Il corso dettaglia le tecniche di analisi dei dati allo scopo di ricavarne informazioni e nuova conoscenza per il supporto alle decisioni.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Allo studente verranno fornite nozioni avanzate di machine learning e data analysis.
Lo studente acquisirà competenze nel settore del machine learning e della data analysis anche attraverso una serie di esempi di applicazione reale delle metodologie presentate nel corso

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Lo studente sarà in grado di applicare le conoscenze acquisite ad un caso di studio reale ricavando il modello del fenomeno che ha generato i dati in esame.

PREREQUISITI

Programmazione (Matlab/Python/R), algebra lineare, probabilità e statistica.

MODALITA' DIDATTICHE

Il corso alterna lezioni frontali con sessioni di esercitazioni pratiche al calcolatore in linguaggio Matlab/Python/R

PROGRAMMA/CONTENUTO

  1. Inferenza statistica
  2. Apprendimento supervisionato, semisupervisionato, e non supervisionato
  3. Teoria dell'apprendimento statistico
  4. Algorithmi Shallow di Machine Learning (esempi in linguaggio Matlab/Python/R)
  5. Algorithmi Deep di Machine Learning (esempi in linguaggio Matlab/Python/R)
  6. Model Selection e Error Estimation

TESTI/BIBLIOGRAFIA

C. C. Aggarwal "Data Mining - The textbook" 2015
T. Hastie, R.Tibshirani, J.Friedman "The Elements of Statistical Learning: Data Mining, Inference, and Prediction" 2009.
S. Shalev-Shwartz, S. Ben-David "Understanding machine learning: From theory to algorithms" 2014
I. Goodfellow, Y. Bengio, A. Courville "Deep learning" 2016
L. Oneto "Model Selection and Error Estimation in a Nutshell" 2020

DOCENTI E COMMISSIONI

Commissione d'esame

LUCA ONETO (Presidente)

MARCO MARATEA

DAVIDE ANGUITA (Presidente Supplente)

LEZIONI

Orari delle lezioni

L'orario di tutti gli insegnamenti è consultabile all'indirizzo EasyAcademy.

ESAMI

MODALITA' D'ESAME

Orale su appuntamento

Studenti con disturbi specifici di apprendimento (DSA) potranno utilizzare modalità di esame e supporti determinati di volta in volta in accordo con il delegato della Scuola di Ingegneria facente parte della commissione di Ateneo per l'inclusione degli studenti con disabilità.

MODALITA' DI ACCERTAMENTO

Lo studente risolverà un problema reale a piacere applicando le tecniche apprese durante il corso.

Calendario appelli

Dati Ora Luogo Tipologia Note
16/02/2023 09:00 GENOVA Esame su appuntamento
15/09/2023 09:00 GENOVA Esame su appuntamento

OpenBadge

 PRO3 - Soft skills - Gestione progettuale base 1 - A
PRO3 - Soft skills - Gestione progettuale base 1 - A
 PRO3 - Soft skills - Imparare a imparare avanzato 1 - A
PRO3 - Soft skills - Imparare a imparare avanzato 1 - A
 PRO3 - Soft skills - Personale avanzato 1 - A
PRO3 - Soft skills - Personale avanzato 1 - A
 PRO3 - Soft skills - Sociale avanzato 1 - A
PRO3 - Soft skills - Sociale avanzato 1 - A
 PRO3 - Soft skills - Creazione progettuale avanzato 1 - A
PRO3 - Soft skills - Creazione progettuale avanzato 1 - A