Fondamenti di Machine Learning
Laurea Triennale in Ingegneria delle Comunicazioni (2023-2024)
Informazioni
| Classroom: tutti gli studenti devono registrarsi alla pagina di Google Classroom per rimanere aggiornati. | |
| Timetable: Martedì 8-10 ( |
News
- Gli orari delle lezioni saranno comunicati appena disponibile il calendario didattico del secondo semestre.
Overview del corso
Il corso è una introduzione al campo dell’apprendimento automatico (machine learning). La prima parte del corso richiama concetti necessari di Python, algebra lineare, ed ottimizzazione (nessuna conoscenza pregressa è necessaria).
Vedremo in seguito diversi algoritmi di apprendimento supervisionato: modelli lineari, reti neurali, k-NN, ed alberi decisionali. In seguito, introdurremo esempi di apprendimento non supervisionato (clustering, riduzione della dimensionalità ), ed alcuni argomenti di interesse generale (preprocessamento dei dati, valutazione dei modelli, fairness, interpretabilità ).
Il corso è corredato da numerosi laboratori in cui esploreremo scikit-learn, PyTorch (cenni), ed altre librerie di interesse.
Materiale
Le esercitazioni sono in blu.
| Â | Data | Argomento | Materiale |
|---|---|---|---|
| L0 | 27/02 | Informazioni sul corso | Slides |
| L1 | 27/02 | Introduzione | Slides |
| E1 | 29/02 | Introduzione a Python | Notebook |
| L2 | 05/03, 07/03, 12/03 | Preliminari | Slides Taylor approximation (script) |
| E2 | 19/03 | Introduzione a NumPy | Notebook |
| L3 | 14/03, 21/03 | Apprendimento supervisionato e regressione lineare | Slides Least-squares (script) |
| E3 | 04/04 | Least-squares regression | Notebook |
| L4 | 26/03 | k-nearest neighbors ed overfitting | Slides k-NN per classificazione (script) |
| E4 | 11/04 | k-nearest neighbors in NumPy | Notebook |
| L5 | 16/04 | Regressione logistica e Naive Bayes | Slides Naive Bayes (script) |
| L6 | 02/05 | Data preprocessing e model evaluation | Slides Cost-adjusted inference (script) |
| E5 | 07/05 | Data preprocessing e model selection | Notebook |
| L7 | 14/05 | Reti neurali | Slides Approximating a 1d function (script) |
| L8 | 21/05 | Unsupervised learning | Slides PCA in 2D (script) k-means in NumPy (script) |