English
ItalianoNavigazione di Sezione:
Machine Learning 2026/2027
Generali:
- Dipartimento: Ingegneria
- Settore Ministeriale: IINF-05/A
- Codice di verbalizzazione: 80300629
- Metodi di insegnamento: Frontale
- Metodi di valutazione: Scritto E Orale
- Prerequisiti: Conoscenze di analisi matematica, algebra lineare, calcolo delle probabilita', programmazione Python
- Obiettivi: Il corso ha l��obiettivo di fornire un��introduzione ai principali paradigmi e tecniche del machine learning. In particolare, verranno presentati modelli fondamentali per l��apprendimento supervisionato e non supervisionato, inclusi modelli basati su reti neurali profonde. Saranno inoltre introdotti i concetti di base del reinforcement learning. Le attività didattiche prevedono l��utilizzo di librerie in linguaggio Python per l��implementazione e la sperimentazione dei metodi trattati. Con riferimento alle linee guida riportate nel documento "ACM/IEEE-CS - Computer Science Curricula 2023�� (ieeecs-media.computer.org/media/education/reports/CS2023.pdf), il corso contribuisce a coprire l'area di conoscenza: - AI (Artificial Intelligence): Machine Learning CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Al termine del corso lo studente avrà acquisito i concetti fondamentali del machine learning e comprenderà le principali metodologie per la costruzione di modelli apprendimento supervisionato e non supervisionato a partire da dati eterogenei. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Al termine del corso lo studente sarà in grado di progettare, implementare e valutare soluzioni basate su apprendimento automatico a partire da dati reali. AUTONOMIA DI GIUDIZIO: Al termine del corso lo studente sarà in grado di valutare criticamente diverse soluzioni di machine learning e di selezionare approcci adeguati alla risoluzione di problemi applicativi di base in contesti reali. ABILITÀ COMUNICATIVE: Lo studente acquisirà la capacità di comunicare in modo efficace contenuti tecnici relativi al machine learning, utilizzando correttamente la terminologia specialistica del settore. CAPACITÀ DI APPRENDIMENTO: Lo studente svilupperà la capacità di affrontare in modo autonomo nuovi problemi di machine learning, analizzandoli criticamente e individuando soluzioni appropriate anche sulla base della letteratura scientifica e di approcci analoghi già noti.
Didattica:
- A.A.: 2026/2027
- Canale: UNICO
- Crediti: 9
Classe virtuale:
- Nome classe: RUSSO_RUSSO-80300629-MACHINE_LEARNING
- Link Microsoft Teams: Link
- Docente: RUSSO RUSSO GABRIELE