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