CODICE 90498 ANNO ACCADEMICO 2023/2024 CFU 5 cfu anno 2 INGEGNERIA CHIMICA E DI PROCESSO 10376 (LM-22) - GENOVA 9 cfu anno 1 COMPUTER SCIENCE 10852 (LM-18) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE INF/01 LINGUA Inglese SEDE GENOVA PERIODO 1° Semestre MATERIALE DIDATTICO AULAWEB PRESENTAZIONE L'obiettivo di questo corso è fornire una panoramica su classici algoritmi di Machine Learning, discutendo aspetti di modellazione e computazionali. OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI Learning how to use classical supervised and unsupervised machine learning algorithms by grasping the underlying computational and modeling issues. OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO COMPRENDERE e utilizzare gli strumenti alla base dell'apprendimento automatico e statistico, considerando approcci supervisionati, come metodi locali, metodi regolarizzati con modelli lineari e non lineari e reti neurali COMPRENDERE e utilizzare approcci di apprendimento non supervisionati come il clustering e la riduzione della dimensionalità. CAPIRE come impostare efficacemente una pipeline di apprendimento automatico IMPLEMENTARE gli algoritmi di apprendimento presentati nell'insegnamento SVILUPPARE la capacità di analizzare criticamente i risultati analitici ottenuti PREREQUISITI Basi di probabilità e statistica, calculus, algebra lineare, programmazione MODALITA' DIDATTICHE Le lezioni teoriche saranno sempre accompagnate da esercitazioni in laboratorio Occasionalmente, agli studenti verrà chiesto di lavorare in gruppo (per lo sviluppo e l'analisi del codice, ad esempio) PROGRAMMA/CONTENUTO Il corso coprirà i seguenti argomenti: * Fondamenti di Machine Learning * Empirical risk minimization * Metodi locali * Bias and Variance e K-Fold Cross Validation * Metodi regolarizzati con modelli lineari * Feature maps e funzioni kernels * Reti neurali * Reti convoluzionali (principi base) * Clustering * Riduzione della dimensionalità TESTI/BIBLIOGRAFIA Il materiale verrà fornito dai docenti, si veda il modulo AulaWeb del corso DOCENTI E COMMISSIONI LORENZO ROSASCO NICOLETTA NOCETI Ricevimento: Ricevimento su appuntamento da concordare via email (nicoletta.noceti@unige.it) Commissione d'esame NICOLETTA NOCETI (Presidente) LORENZO ROSASCO (Presidente Supplente) ALESSANDRO VERRI (Supplente) LEZIONI INIZIO LEZIONI In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica e Computer Science Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME L'esame sarà in forma scritta e consisterà in domande teoriche ed esercizi pratici. Gli studenti avranno la possibilità di optare per una versione ridotta della prova scritta presentando due elaborati intermedi (costituiti da attività pratica di laboratorio in Python) MODALITA' DI ACCERTAMENTO Nell'esame verranno valutati la comprensione complessiva dell'argomento, la capacità di generalizzare i concetti a problemi non visti e di analizzare i risultati ottenuti. Si terrà conto della chiarezza espositiva, della completezza dei concetti, della qualità delle soluzioni proposte e del pensiero critico. Calendario appelli Data appello Orario Luogo Tipologia Note 18/01/2024 09:00 GENOVA Scritto 12/02/2024 09:00 GENOVA Scritto 14/06/2024 09:00 GENOVA Scritto 14/06/2024 09:00 GENOVA Scritto 15/07/2024 09:00 GENOVA Scritto 10/09/2024 09:00 GENOVA Scritto