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.
Apprendere come utilizzare algoritmi di apprendimento sequenziale e di apprendimento per rinforzo, comprendendo le problematiche computazionali e di modellazione sottostanti.
Le lezioni teoriche saranno integrate da sessioni pratiche di laboratorio.
Il corso coprirà i seguenti argomenti:
Il materiale fornito dagli istruttori (note, articoli, libri) sarà disponibile sulla pagina Aulaweb del corso, insieme a riferimenti aggiuntivi.
Ricevimento: Su appuntamento via mail
Ricevimento: Appointment through email
ALESSANDRO VERRI (Presidente)
NICOLETTA NOCETI
LORENZO ROSASCO (Presidente Supplente)
In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica: https://corsi.unige.it/corsi/10852/studenti-orario
L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy
L'esame consisterà in un progetto e una discussione del materiale presentato nel corso.
Indicazioni per studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali sono disponibili a partire da https://corsi.unige.it/corsi/10852/studenti-disabilita-dsa
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.
Per ulteriori informazioni, consultare il modulo Aulaweb dell'insegnamento o contattare il docente.
