CODICE 114470 ANNO ACCADEMICO 2025/2026 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 Apprendere come utilizzare algoritmi di apprendimento sequenziale e di apprendimento per rinforzo, comprendendo le problematiche 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 LORENZO ROSASCO Ricevimento: Su appuntamento via mail ALESSANDRO VERRI Ricevimento: Appointment through email 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.
