Prof. Andrea Passerini

• Ogni argomento sarà presentato tramite slide, accompagnate da un elenco di pubblicazioni scientifiche rilevanti da utilizzare come materiale di riferimento.

Argomenti del programma: Di seguito è riportato un elenco preliminare degli argomenti che verranno trattati nel corso: - Explainable Artificial Intelligence - Statistical Relational Artificial Intelligence - Neuro-Symbolic integration - Graph Neural Networks - Structured-output learning - Interactive Machine Learning - Intepretable-by-design Neural Networks

Argomenti del programma: Introduzione all'apprendimento automatico: aspetti dello sviluppo di un sistema di apprendimento automatico, modalità e tipi di problemi di apprendimento, alberi di decisione, stima con primi vicini. Basi matematiche: algebra lineare, teoria della probabilità, test statistici. Stima dei parametri a massima verosimiglianza e Bayesiana. Modelli grafici probabilistici, inferenza, apprendimento di parametri e struttura.

Argomenti del programma: Introduzione all'apprendimento automatico: aspetti dello sviluppo di un sistema di apprendimento automatico, modalità e tipi di problemi di apprendimento, alberi di decisione, stima con primi vicini. Basi matematiche: algebra lineare, teoria della probabilità, test statistici. Stima dei parametri a massima verosimiglianza e Bayesiana. Modelli grafici probabilistici, inferenza, apprendimento di parametri e struttura.

Argomenti del programma: Introduzione all'apprendimento automatico: aspetti dello sviluppo di un sistema di apprendimento automatico, modalità e tipi di problemi di apprendimento, alberi di decisione, stima con primi vicini. Basi matematiche: algebra lineare, teoria della probabilità, test statistici. Stima dei parametri a massima verosimiglianza e Bayesiana. Modelli grafici probabilistici, inferenza, apprendimento di parametri e struttura.