Machine Learning

• Copia del materiale didattico usato durante le lezioni.

Argomenti del programma: Introduzione all'apprendimento automatico Tecniche base di apprendimento supervisionato: - K-Nearest Neighbors - Alberi di decisione - Regressione lineare e logistica - Bayesian Learning - Bagging e boosting Tecniche base di apprendimento non supervisionato: - Tecniche di clustering - Principal Component Analysis Deep learning: - Introduzione alle reti neurali - Convolutional Neural Networks - Autoencoder -…

Argomenti del programma: Settimana 01 – Introduzione al ML + K-Nearest Neighbors (KNN) Concetti base + primo modello semplice e intuitivo. Settimana 02 – Alberi Decisionali e Foreste Casuali Modelli interpretabili e potenti, introduzione all’ensemble learning. Settimana 03 – Preprocessing e Bilanciamento Dati Preparazione dei dati reali: scaling, codifica, dati sbilanciati.