Il corso affronterà lo studio dei concetti fondamentali relativi all’apprendimento automatico (Machine Learning), dei principali metodi utilizzati e degli strumenti software basati su tecniche di apprendimento automatico. In particolare ha l'obiettivo di far comprendere le capacità e le limitazioni di tali metodi e strumenti, e di sviluppare le capacità di utilizzare alcune tra le tecnologie attualmente disponibili per risolvere problemi di analisi di dati, estrazione della conoscenza e supporto alle decisioni. Infine ha l'obiettivo di discutere le problematiche e le opportunità che si presentano nei contesti in cui l'analisi si estende a gradi volumi di dati (Big Data).
Curriculum
scheda docente materiale didattico
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Mutuazione: 21210492 Tecnologie per il machine learning e big data in Economia e Gestione della Trasformazione Digitale LM-56 R DI SANZO PIERANGELO
Programma
Introduzione all'intelligenza artificialeIntroduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Prerequisiti
Capacità di base nell'utilizzo di strumenti software per l'elaborazione di dati in formato tabellare csv/dsv, ad esempio il foglio elettronico. La conoscenza di un linguaggio di programmazione come Python non è necessaria ma potrà consentire un più efficace l'utilizzo di alcuni strumenti software.Testi Adottati
Materiale didattico fornito dal docente e messo a disposizione sulla pagina web del corso sul sistema di e-learning di ateneoModalità Frequenza
La frequenza del corso non è obbligatoria, ma è consigliata soprattutto per un agevole apprendimento dell'utilizzo degli strumenti software.Modalità Valutazione
L'esame prevede una prova al calcolatore e la valutazione di un progetto scheda docente materiale didattico
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Mutuazione: 21210492 Tecnologie per il machine learning e big data in Economia e Gestione della Trasformazione Digitale LM-56 R DI SANZO PIERANGELO
Programma
Introduzione all'intelligenza artificialeIntroduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Prerequisiti
Capacità di base nell'utilizzo di strumenti software per l'elaborazione di dati in formato tabellare csv/dsv, ad esempio il foglio elettronico. La conoscenza di un linguaggio di programmazione come Python non è necessaria ma potrà consentire un più efficace l'utilizzo di alcuni strumenti software.Testi Adottati
Materiale didattico fornito dal docente e messo a disposizione sulla pagina web del corso sul sistema di e-learning di ateneoModalità Frequenza
La frequenza del corso non è obbligatoria, ma è consigliata soprattutto per un agevole apprendimento dell'utilizzo degli strumenti software.Modalità Valutazione
L'esame prevede una prova al calcolatore e la valutazione di un progetto scheda docente materiale didattico
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Mutuazione: 21210492 Tecnologie per il machine learning e big data in Economia e Gestione della Trasformazione Digitale LM-56 R DI SANZO PIERANGELO
Programma
Introduzione all'intelligenza artificialeIntroduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Prerequisiti
Capacità di base nell'utilizzo di strumenti software per l'elaborazione di dati in formato tabellare csv/dsv, ad esempio il foglio elettronico. La conoscenza di un linguaggio di programmazione come Python non è necessaria ma potrà consentire un più efficace l'utilizzo di alcuni strumenti software.Testi Adottati
Materiale didattico fornito dal docente e messo a disposizione sulla pagina web del corso sul sistema di e-learning di ateneoModalità Frequenza
La frequenza del corso non è obbligatoria, ma è consigliata soprattutto per un agevole apprendimento dell'utilizzo degli strumenti software.Modalità Valutazione
L'esame prevede una prova al calcolatore e la valutazione di un progetto scheda docente materiale didattico
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Mutuazione: 21210492 Tecnologie per il machine learning e big data in Economia e Gestione della Trasformazione Digitale LM-56 R DI SANZO PIERANGELO
Programma
Introduzione all'intelligenza artificialeIntroduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Prerequisiti
Capacità di base nell'utilizzo di strumenti software per l'elaborazione di dati in formato tabellare csv/dsv, ad esempio il foglio elettronico. La conoscenza di un linguaggio di programmazione come Python non è necessaria ma potrà consentire un più efficace l'utilizzo di alcuni strumenti software.Testi Adottati
Materiale didattico fornito dal docente e messo a disposizione sulla pagina web del corso sul sistema di e-learning di ateneoModalità Frequenza
La frequenza del corso non è obbligatoria, ma è consigliata soprattutto per un agevole apprendimento dell'utilizzo degli strumenti software.Modalità Valutazione
L'esame prevede una prova al calcolatore e la valutazione di un progetto