Machine learning con applicazioni
A.A. 2020/2021
Learning objectives
Oggetto del corso sono i metodi automatici per ottenere predizioni e
formulare modelli a partire dai dati. Il corso insegnerà allo studente le basi teoriche del machine learning (fondamenti di statistical learning
theory, classificazione, regressione) e metodi consolidati per compiti
comuni (come il clustering e la riduzione dimensionale).
formulare modelli a partire dai dati. Il corso insegnerà allo studente le basi teoriche del machine learning (fondamenti di statistical learning
theory, classificazione, regressione) e metodi consolidati per compiti
comuni (come il clustering e la riduzione dimensionale).
Expected learning outcomes
Lo studente saprà analizzare dati scegliendo con criterio tra una
tavolozza di metodi numerici solidi. Avrà inoltre una buona dimestichezza con le nozioni e il linguaggio comuni alle discipline che utilizzano tali metodi (ad esempio informatica, economia, matematica).
tavolozza di metodi numerici solidi. Avrà inoltre una buona dimestichezza con le nozioni e il linguaggio comuni alle discipline che utilizzano tali metodi (ad esempio informatica, economia, matematica).
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Course syllabus and organization
Edizione unica
Responsabile
Periodo
Primo semestre
FIS/03 - FISICA DELLA MATERIA
FIS/04 - FISICA NUCLEARE E SUBNUCLEARE
FIS/04 - FISICA NUCLEARE E SUBNUCLEARE
Lezioni: 42 ore
Docente:
Barbieri Carlo
Professor(s)
Ricevimento:
Martedì 14:00-15:00 (durante il semestre) oppure su appuntamento via e-mail
Ufficio c/o Dip. Fisica via Celoria 16. Piano 1 diLITA.