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).
Basi analisi matematica, geometria, statistica e programmazione.
Ricevimento: Il docente riceve su appuntamento.
Ricevimento: Il docente riceve su appuntamento, per prendere appuntamento è possibile contattare il docente tramite Microsoft Teams (preferibilmente) o tramite email a riccardo.berta@unige.it
ALBERTO OLIVERI (Presidente)
RICCARDO BERTA (Presidente Supplente)
EDOARDO RAGUSA (Presidente Supplente)
https://corsi.unige.it/8732/p/studenti-orario
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.
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.
