CODICE 104852 ANNO ACCADEMICO 2026/2027 CFU 6 cfu anno 1 ELECTRICAL ENGINEERING FOR ENERGY TRANSITION 11955 (LM-28) - GENOVA 6 cfu anno 1 INTERNET AND MULTIMEDIA ENGINEERING 11962 (LM-27) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE IINF-03/A LINGUA Inglese SEDE GENOVA PERIODO 2° Semestre MODULI Questo insegnamento è un modulo di: OPERATIONS RESEARCH AND MACHINE LEARNING MATERIALE DIDATTICO AULAWEB PRESENTAZIONE L'apprendimento automatico si sta affermando come un'area scientifica di notevole rilevanza grazie alla disponibilità di computer sempre più potenti e di algoritmi che ne consentono l'applicazione nei più svariati settori, tra i quali anche settori chiave dal punto di vista sociale ed economico. Questo corso presenta le principali metodologie di apprendimento automatico finalizzate al "riconoscimento", inteso come classificazione di dati rappresentati in modo strutturato. OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI In questo modulo vengono presentati diversi metodi di Machine Learning applicati alla classificazione di dati e - in particolare - viene discusso il caso della classificazione di immagini da applicazioni reali. Gli studenti impareranno come stimare una funzione di densità di probabilità utilizzando un insieme di campioni di addestramento. Saranno in grado di classificare i campioni sulla base della teoria della decisione e utilizzando classificatori lineari e non lineari (MDM, k-nn, SVM, Random forest). Impareranno come progettare una rete neurale MLP. Impareranno come valutare l'accuratezza di un classificatore supervisionato. Saranno inoltre in grado di utilizzare alcuni algoritmi di clustering (compreso un algoritmo "fuzzy") e di validare i risultati ottenuti. OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. PREREQUISITI Analisi matematica (funzioni di una o più variabili reali, integrali, ottimizzazione di funzionali); probabilità e variabili aleatorie; calcolo matriciale. MODALITA' DIDATTICHE L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. PROGRAMMA/CONTENUTO L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. TESTI/BIBLIOGRAFIA L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. DOCENTI E COMMISSIONI SEBASTIANO SERPICO Ricevimento: L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. MARTINA PASTORINO Ricevimento: Su richiesta. La richiesta deve essere indirizzata al docente dell'insegnamento per posta elettronica. LEZIONI INIZIO LEZIONI L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. MODALITA' DI ACCERTAMENTO L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. ALTRE INFORMAZIONI L'insegnamento è erogato integralmente in lingua Inglese. Per tutte le informazioni relative, si veda la corrispondente sezione in lingua Inglese. Agenda 2030 Istruzione di qualità Lavoro dignitoso e crescita economica