Page begin -
Logo DISCO
|
Go to the Highly accessible area
|
Go to the Content page
|
Go to the End of content
|
Go to the Main menu
|
Go to the Navigation Bar (location)
|
Go to the Navigation menu (tree)
|
Go to the Commands list
|
Go to the Further readings
|
Go to the Bottom Menu
|
Logo Ateneo
   
Enrolled
Apprendimento automatico

Docente: G. Mauri

Crediti: 6

Conoscenze: tecniche algoritmiche per la estrazione di conoscenza da dati di varia natura

Abilità: progetto, sviluppo e sperimentazioone di programmi di apprendimento automatico basati su diverse tecniche.

Testi consigliati: Tom Mitchell, Machine learning, McGraw-Hill

Modalità di esame: sviluppo di un progetto e discussione orale

Per ulteriori informazioni sul corso rivolgersi direttamente al docente.

Programma:

  • Introduzione al problema dell'apprendimento automatico
  • Alberi di decisione: definizioni, spazio delle ipotesi, il problema dell'overfitting
  • Reti neurali artificiali: definizioni di base, percettrone e relativi risultati, reti multistrato e retropropagazione
  • Apprendimento bayesiano: teorema di Bayes, classificatori bayesiani, algoritmo di Gibbs, reti bayesiane
  • Teoria computazionale dell'apprendimento: il modello PAC, la dimensione di Vapnik-Chervonenkis, il modello mistake bound
  • Metodi kernel-based: support vector machines
  • Reinforcement Learning


Further readings
(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - last update of this page 28/03/2011