CODICE 114470 ANNO ACCADEMICO 2024/2025 CFU 6 cfu anno 2 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 degli algoritmi di Machine Learning che trattano dati sequenziali/dinamici e agenti che possono interagire con l'ambiente nel contesto del reinforcement learning. OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI Imparare a utilizzare algoritmi di apprendimento sequenziale e di reinforcement learning comprendendo i problemi computazionali e di modellazione sottostanti. OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO COMPRENDERE e utilizzare algoritmi e modelli di machine learning per dati dinamici e agenti COMPRENDERE come impostare efficacemente pipeline di machine learning con dati/agenti dinamici IMPLEMENTARE gli algoritmi di apprendimento presentati nel corso SVILUPPARE la capacità di analizzare criticamente i risultati analitici PREREQUISITI Nozioni di base di probabilità, calcolo, algebra lineare, programmazione. MODALITA' DIDATTICHE Le lezioni teoriche saranno integrate da sessioni pratiche di laboratorio. PROGRAMMA/CONTENUTO Il corso coprirà i seguenti argomenti: Sistemi dinamici Serie temporali Decomposizione dei modelli dinamici Reti neurali per dati sequenziali Reinforcement Learning Multi-Arm Bandits Processi decisionali di Markov Predizione e controllo Metodi Monte Carlo e delle differenze temporali TESTI/BIBLIOGRAFIA Il materiale fornito dagli istruttori (note, articoli, libri) sarà disponibile sulla pagina Aulaweb del corso, insieme a riferimenti aggiuntivi. DOCENTI E COMMISSIONI ALESSANDRO VERRI Ricevimento: Appointment through email LORENZO ROSASCO Ricevimento: Su appuntamento via mail Commissione d'esame LORENZO ROSASCO (Presidente) ALESSANDRO VERRI (Presidente) LEZIONI INIZIO LEZIONI In accordo con il calendario approvato dal Consiglio del Corso di Laurea in Informatica. Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME L'esame consisterà in un progetto e una discussione del materiale presentato nel corso. MODALITA' DI ACCERTAMENTO L'esame valuterà la comprensione complessiva del materiale del corso, la capacità di generalizzare i concetti a problemi non visti e di analizzare i risultati ottenuti. Saranno presi in considerazione la chiarezza dell'esposizione, la completezza dei concetti, la qualità delle soluzioni proposte e il pensiero critico.
