Università degli Studi Roma Tre · Matematica e Fisica · tutti i canali con docenti e libri, a.a. 2026/2027
Il docente consiglia di frequentareCorso di laurea: Fisica · Laurea magistrale (LM-17) · esame facoltativo · Fisica Teorica E Computazionale Della Materia
Roma Tre · Matematica e Fisica · 6 CFU · apri nel catalogo
Il docente indica 1 testo
Bacheca del docente: cosa indica di studiare
Argomenti del programma: 1. Apprendimento automatico. Tipi di apprendimento. Funzioni di costo. Minimizzazione del rischio empirico. Generalizzazione ed overfitting. 2. Ottimizzazione di modelli. Funzioni convesse. Discesa del gradiente. Discesa stocastica del gradiente. 3. Regressione. Regressione lineare. Basi di funzioni. Selezione dei predittori. Regolarizzazione. 4. Classificazione. Modelli generativi. Nearest neighbor.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Il docente consiglia di frequentareCorso di laurea: Matematica · Laurea magistrale (LM-40) · esame facoltativo
Roma Tre · Matematica e Fisica · 6 CFU · apri nel catalogo
Il docente indica 1 testo
Bacheca del docente: cosa indica di studiare
Argomenti del programma: 1. Apprendimento automatico. Tipi di apprendimento. Funzioni di costo. Minimizzazione del rischio empirico. Generalizzazione ed overfitting. 2. Ottimizzazione di modelli. Funzioni convesse. Discesa del gradiente. Discesa stocastica del gradiente. 3. Regressione. Regressione lineare. Basi di funzioni. Selezione dei predittori. Regolarizzazione. 4. Classificazione. Modelli generativi. Nearest neighbor.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Il docente consiglia di frequentareCorso di laurea: Scienze computazionali · Laurea magistrale (LM-40) · esame facoltativo
Roma Tre · Matematica e Fisica · 6 CFU · apri nel catalogo
Il docente indica 1 testo
Bacheca del docente: cosa indica di studiare
Argomenti del programma: 1. Apprendimento automatico. Tipi di apprendimento. Funzioni di costo. Minimizzazione del rischio empirico. Generalizzazione ed overfitting. 2. Ottimizzazione di modelli. Funzioni convesse. Discesa del gradiente. Discesa stocastica del gradiente. 3. Regressione. Regressione lineare. Basi di funzioni. Selezione dei predittori. Regolarizzazione. 4. Classificazione. Modelli generativi. Nearest neighbor.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Libri Universitari