Docenti: G. Mauri, V. Messina

Crediti: 8 CFU

OBIETTIVI FORMATIVI

Conoscenze (sapere)

Obiettivo del corso è quello di fornire i concetti e gli strumenti fondamentali, basati su metodi computazionali, per rappresentare l’apprendimento, la conoscenza e il ragionamento in condizioni di incertezza. Gli argomenti trattati includono pertanto sia algoritmi per l’analisi dei dati sia  modelli decisionali in presenza di informazione incerta o incompleta.

Capacità (saper fare)

Gli studenti acquisiranno la capacità di utilizzare i concetti e i metodi appresi per progettare e sviluppare strumenti  sw basati su apprendimento automatico (machine learning). Le capacità acquisite sono alla base dello sviluppo di sistemi evoluti di data mining e knowledge discovery e di applicativi sw specifici in sistemi di supporto alle decisioni.

Modulo Apprendimento e approssimazione (4 CFU)

1)      Apprendimento dalle osservazioni

2)      Conoscenza e apprendimento

3)      Apprendimento bayesiano; metodi kernel

4)      Reti neurali

5)      Teoria computazionale dell’apprendimento

Sito web

Modulo Modelli probabilistici per le decisioni (4 CFU)

1)      reti bayesiane e ragionamento probabilistico

2)      Modelli di Markov e reti dinamiche

3)      Funzioni di utilità e il valore dell’informazione

4)      Decisioni sequenziali e processi markoviani