Salta al contenuto principale della pagina

APPLIED MATHEMATICAL MODELLING AND MACHINE LEARNING

CODICE 106778
ANNO ACCADEMICO 2022/2023
CFU
  • 10 cfu al 1° anno di 8732 INGEGNERIA ELETTRONICA (LM-29) - GENOVA
  • SEDE
  • GENOVA
  • MODULI Questo insegnamento è composto da:
    MATERIALE DIDATTICO AULAWEB

    PRESENTAZIONE

    L'insegnamento si propone di presentare, nel modulo 1, i fondamenti teorici per formulare modelli a partire da dati sperimentali. Vengono fornite conoscenze di base nell'ambito dei modelli matematici, calcolo numerico, regolarizzazione, simulazione numerica di dispositivi e sistemi. Queste conoscenze verranno sfruttate nel secondo modulo, che fornisce le basi per la progettazione e lo sviluppo di algoritmi di classificazione e regressione. Lo studente viene introdotto ai concetti base del machine learning (modelli lineari, alberi di decisione, ensemble learning, reti neurali, ecc.) e aiutato a comprenderli attraverso esercizi svolti al calcolatore sfruttando le principali librerie software del linguaggio Python (NumPy, Pandas, SciKitLearn e TensorFlow).

     

    OBIETTIVI E CONTENUTI

    PREREQUISITI

    Basi analisi matematica, geometria, statistica e programmazione.

    DOCENTI E COMMISSIONI

    Commissione d'esame

    ALBERTO OLIVERI (Presidente)

    RICCARDO BERTA (Presidente Supplente)

    EDOARDO RAGUSA (Presidente Supplente)

    LEZIONI

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    Riguardo il modulo 1, l'esame prevede una prova orale articolata in due parti, ciascuna relativa a una metà del programma. Ogni parte consiste nell'esposizione di un argomento a scelta da parte dello studente e nell'esposizione di un argomento scelto del docente. Il punteggio compessivo è pari a 30.

    Per il modulo 2, l'esame consiste in una interrogazione orale sugli argomenti presentati a lezione e nel commento delle esercitazioni svolte durante l'insegnamento. In particolare, lo studente deve dimostrare di aver compreso appieno i concetti alla base dello sviluppo di modelli basati sulle tecniche del machine learning e di saperli applicare alla progettazione e implementazione di applicazioni su dispositivi embedded.

    Il voto complessivo è ottenuto effettuando la media dei punteggi ottenuti nei singoli moduli.

    MODALITA' DI ACCERTAMENTO

    Durante l'orale, il docente chiederà allo studente di illustrare i concetti imparati a lezione. Lo studente dovrà dimostrare la propria conoscenza e comprensione degli argomenti dell’insegnamento, comunicando il proprio pensiero in maniera corretta, sintetica e con la terminologia tecnica adeguata. Per ogni concetto, lo studente dovrà descrivere le condizioni per la sua applicazione e gli eventuali vantaggi e svantaggi. Nel commentare le esercitazioni realizzate durante l’insegnamento, allo studente verrà richiesto di descrivere le scelte progettuali compiute, le possibili alternative scartate e le motivazioni.

    Calendario appelli

    Data Ora Luogo Tipologia Note
    17/02/2023 09:00 GENOVA Esame su appuntamento
    17/02/2023 09:00 GENOVA Esame su appuntamento
    15/09/2023 09:00 GENOVA Esame su appuntamento
    15/09/2023 09:00 GENOVA Esame su appuntamento