Apprendimento Automatico   (6 crediti)   A.A. 2003/04   

In questo corso verra' presentata un'introduzione agli algoritmi per l'apprendimento automatico e il data mining. Questi algoritmi sono alla base di molte  importanti  applicazioni  innovative dell'informatica come il riconoscimento automatico dei caratteri stampati e manoscritti, il riconoscimento vocale, il  text mining, la classificazione dei documenti, il riconoscimento delle forme,  la computer intrusion detection, i filtri anti-spam, e l'estrazione di informazioni dalle pagine web. Ogni algoritmo di apprendimento automatico ha sia un aspetto computazionale (come calcolare la risposta) che un aspetto statistico (come assicurare l'accuratezza delle  predizioni). 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. Per chiarire i principali algoritmi e tecniche esposte saranno presentati vari esempi e esercizi numerici.

Il corso non tratta le reti neurali, in quanto questo argomento e'  già  coperto dal corso di Reti Neurali I e  viene quindi considerato un pre-requisito. Nel presente a.a. 2003/04, il corso di Apprendimento Automatico  e quello di  Reti Neurali II  trattano argomenti complementari sviluppati a partire dalle basi  presentate in Reti Neurali I.  E' comunque  garantita agli studenti la possibilita' di seguire anche uno solo dei due corsi.