Obiettivi (modulo di Apprendimento Automatico in IIA):
Introduzione al Machine Learning nell'ambito della costruzione di Sistemi Intelligenti e di modelli per l'analisi dei dati. Lo studio parte dall'analisi di modelli di base che permettono di avere una visone concreta dei principi generali dell'apprendimento computazionale, fino all'introduzione ad una selezione di modelli allo stato dell'arte.

Prerequisiti: Elementi di analisi matematica: funzioni, calcolo differenziale; elementi di notazione e calcolo matriciale; algoritmica; elementi di probabilita' e statistica.
See an useful summary in the appendix A.2 (Linear Algebra) and A.3 (Probability) of the AIMA book: Appendix-PDF


Programma:
Il nuovo programma dettagliato e la bibliografia ragionata dell'anno in corso saranno fornite a lezione.
Come riferimento indicativo verranno ricompresi:

• Introduzione al paradigma, alle forme e ai metodi dell'apprendimento automatico
• Apprendimento induttivo di regole proposizionali.
• Apprendimento supervisionato: classificazione e regressione (modelli lineari)
• Apprendimento non supervisionato (clustering)
• Validazione: tecniche e aspetti teorici.
• Modelli dei paradigmi Bayesiano, simbolico, sub-simbolico, instance based.
• Esempi di applicazioni.