Salta al contenuto principale
CODICE 106778
ANNO ACCADEMICO 2023/2024
CFU
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 questo insegnamento è consultabile all'indirizzo: Portale 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, da 15 punti ciascuna. Il voto finale si ottiene sommando i due voti parziali.

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 conseguito nell’insegnamento sarà la media dei voti attribuiti nei moduli in cui si articola l’insegnamento. Si rimanda gentilmente alla consultazione dei singoli moduli per i dettagli circa le modalità di esame.

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.

Il voto conseguito nell’insegnamento sarà la media dei voti attribuiti nei moduli in cui si articola l’insegnamento. Si rimanda gentilmente alla consultazione dei singoli moduli per i dettagli circa le modalità di accertamento.

Calendario appelli

Dati Ora Luogo Tipologia Note
22/12/2023 10:00 GENOVA Esame su appuntamento
30/01/2024 10:00 GENOVA Esame su appuntamento
16/02/2024 09:00 GENOVA Esame su appuntamento
31/05/2024 10:00 GENOVA Esame su appuntamento
27/06/2024 10:00 GENOVA Esame su appuntamento
31/07/2024 10:00 GENOVA Esame su appuntamento
13/09/2024 09:00 GENOVA Esame su appuntamento
13/09/2024 09:00 GENOVA Esame su appuntamento
12/01/2024 09:00 GENOVA Orale
30/01/2024 09:00 GENOVA Orale
16/02/2024 09:00 GENOVA Orale
05/06/2024 09:00 GENOVA Orale
28/06/2024 09:00 GENOVA Orale
17/07/2024 09:00 GENOVA Orale
05/09/2024 09:00 GENOVA Orale