Docente: Luca Iocchi
Pagina web dell'insegnamento: www.diag.uniroma1.it/~iocchi/Didattica/ml/doku.php
Crediti: 6
Codice Infostud: 1022858

Obiettivi formativi

L'obiettivo del corso è presentare un ampio spettro di metodi ed algoritmi di apprendimento automatico, discutendone le proprietà e i criteri di applicabilità e di convergenza. Si presentano anche diversi esempi di impiego efficace delle tecniche di apprendimento automatico in diversi scenari applicativi. Gli studenti avranno la capacità di risolvere problemi di apprendimento automatico, partendo da una corretta formulazione del problema, con la scelta di un opportuno algoritmo, e sapendo condurre un'analisi sperimentale per valutare i risultati ottenuti.

Programma

Introduzione all'apprendimento automatico. Apprendimento per induzione. Alberi di decisione. Valutazione di ipotesi. Apprendimento Bayesiano. Classificazione con modelli lineari. Macchine a vettori di supporto (SVM). Regressione con modelli lineari. Reti neurali artificiali. Algoritmi genetici. Apprendimento basato sulle istanze. Strutture di apprendimento multiplo e boosting. Reti Bayesiane. Apprendimento e clustering non supervisionato. Modelli di Markov nascosti (HMM). Apprendimento con rinforzo. Apprendimento nei robot.

Testi di riferimento

• T.M. Mitchell, "Machine Learning," McGraw-Hill, 1997
• C.M. Bishop, "Pattern Recognition and Machine Learning," Springer, 2006