Apprendimento Automatico

Francesco Masulli    Tel. +39 010 353 6604

Elementi di algoritmi di ricerca, probabilità, statistica, calcolo differenziale, algebra lineare, reti neurali.

Raggiungere una approfondita conoscenza delle problematiche legate alla realizzazione di algoritmi di apprendimento automatico per applicazioni innovative.

Gli algoritmi per l'apprendimento automatico sono alla base di molte importanti applicazioni innovative dell'informatica come il riconoscimento automatico dei caratteri stampati e manoscritti, il riconoscimento vocale, la computer intrusion detection, i filtri anti-spam, e l'estrazione di informazioni dalle pagine web. Gli algoritmi presentati nel corso includono learners lineari (Gaussian maximum likelihood, Naive Bayes, regressione logistica) e learners non lineari (decision trees, support-vector machines, nearest neighbor methods). Inoltre verranno introdotti anche metodi di ensemble avanzati come il bagging e il boosting.

null

Introduzione - Apprendimento Bayesiano - Instance Base Learning - Teoria Statistica dell'Apprendimento - VC-dimension - Support Vector Machines - Analisi Bias/Variance Analysis - Metodi per prevenire l' Overfitting - Valutazione comparazione di Learners - Apprendimento non supervisionato ? Analisi delle Componenti Principali ? Analisi delle Componenti Indipendenti - Apprendimento non supervisionato ? Clustering ? Algoritmo EM ? C-Means - Clustering robusto - Fuzzy Clustering - Apprendimento di Concetti - Alberi di Decisione - PAC Learning, Bound sul numero di esempi - Ensemble di Learners - Apprendimento con Rinforzo.

Testo di riferimento:

• T. M. Mitchell, Machine learning, McGraw-Hill, 1997

Testi di approfondimento:

• V. Cherkassky e F. Mulier, Learning from data : concepts, theory, and methods, Wiley, 1998 (MAT 68-1998-229)
• R.O. Duda, P.E. Hart e D.G. Stork, Pattern Classification, 2nd. ed. J. Wiley & Sons, 2001
• V. Kecman, Learning and Soft Computing, MIT Press, Cambridge, MA, 2001
• T. Hastie, R. Tibshirani, J. H. Friedman, The Elements of Statistical Learning, Springer Verlag, 2001

Scritto e orale