Mitchell – Machine Learning, McGraw-Hill, 1997

Argomenti del programma: Lezione 1: Machine learning Introduzione al machine learning e contesto stoico. Panoramica sul campo del Machine Learning e delle sue applicazioni. Lezione 2: Fondamenti di matematica Revisione dei concetti matematici fondamentali: algebra lineare, probabilità, statistica, derivate e funzioni, utili per comprendere gli algoritmi di ML.

Argomenti del programma: Lezione 1: Machine learning Introduzione al machine learning e contesto stoico. Panoramica sul campo del Machine Learning e delle sue applicazioni. Lezione 2: Fondamenti di matematica Revisione dei concetti matematici fondamentali: algebra lineare, probabilità, statistica, derivate e funzioni, utili per comprendere gli algoritmi di ML.

Argomenti del programma: Lezione 1: Machine learning Introduzione al machine learning e contesto stoico. Panoramica sul campo del Machine Learning e delle sue applicazioni. Lezione 2: Fondamenti di matematica Revisione dei concetti matematici fondamentali: algebra lineare, probabilità, statistica, derivate e funzioni, utili per comprendere gli algoritmi di ML.

Argomenti del programma: Lezione 1: Machine learning Introduzione al machine learning e contesto stoico. Panoramica sul campo del Machine Learning e delle sue applicazioni. Lezione 2: Fondamenti di matematica Revisione dei concetti matematici fondamentali: algebra lineare, probabilità, statistica, derivate e funzioni, utili per comprendere gli algoritmi di ML.