Illustrare alcuni dei metodi matematici che sono alla base del Machine Learning, e in particolare l’algebra lineare, la convoluzione, la minimizzazione e la struttura delle Reti Neurali.
scheda docente materiale didattico
Fattorizzazione e decomposizione di matrici; autospazi
Gestione di grandi matrici e ricostruzione dei dati
Ottimizzazione e moltiplicatori di Lagrange Minimizzazione e metodo del gradiente
Struttura delle Neural Network (NN)
Blocchi fondamentali delle NN: affine layer; activation layer; cost layer (quadratic loss and cross entropy)
Backpropagation
Utilizzo delle NN: Data-split; Minibatch; Training & Validation
Classificazione e regressione
Analisi delle immagini e Convoluzione
Matlab: assemblaggio delle NN; analisi delle prestazioni; selezione di problemi campione
NN professionali
Michael Nielsen, Neural Networks and Deep Learning (web book).
http://neuralnetworksanddeeplearning.com/index.html
Il materiale verrà indicato dal docente durante le lezioni
Programma
Richiami ai fondamenti di algebra lineare, matrici specialiFattorizzazione e decomposizione di matrici; autospazi
Gestione di grandi matrici e ricostruzione dei dati
Ottimizzazione e moltiplicatori di Lagrange Minimizzazione e metodo del gradiente
Struttura delle Neural Network (NN)
Blocchi fondamentali delle NN: affine layer; activation layer; cost layer (quadratic loss and cross entropy)
Backpropagation
Utilizzo delle NN: Data-split; Minibatch; Training & Validation
Classificazione e regressione
Analisi delle immagini e Convoluzione
Matlab: assemblaggio delle NN; analisi delle prestazioni; selezione di problemi campione
NN professionali
Testi Adottati
Gilbert Strang, Linear algebra and learning from data, WELLESLEY- Cambridge Press.Michael Nielsen, Neural Networks and Deep Learning (web book).
http://neuralnetworksanddeeplearning.com/index.html
Il materiale verrà indicato dal docente durante le lezioni
Modalità Frequenza
Lezioni e esercitazioni in aulaModalità Valutazione
1) svolgere degli esercizi del libro di Strang; gli esercizi vanno consegnati via mail 2) preparare un rapporto su un tema a scelta concordato con i docenti 3) concordare con i docenti un appuntamento per presentare il rapporto 4) consegnare gli esercizi e il rapporto almeno una settimana prima della presentazione 5) discutere il rapporto in modo soddisfacente Nella valutazione del progetto la determinazione del voto terrà conto di alcuni elementi, come ad esempio: livello e la qualità della conoscenza degli argomenti durante la presentazione; qualità del rapporto consegnato; la capacità di analizzare l'argomento in modo critico; la capacità di applicare teorie e concetti al progetto.