Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:
Laurea magistrale in Ingegneria e scienze informatiche - Immatricolazione dal 2025/2026Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
2° Anno Attivato nell'A.A. 2010/2011
Insegnamenti | Crediti | TAF | SSD |
---|
Tre insegnamenti a scelta tra i seguenti
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Tre insegnamenti a scelta tra i seguenti
Insegnamenti | Crediti | TAF | SSD |
---|
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Teorie e tecniche del riconoscimento (2010/2011)
Codice insegnamento
4S02803
Docente
Coordinatore
Crediti
6
Lingua di erogazione
Italiano
Settore Scientifico Disciplinare (SSD)
ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Periodo
II semestre dal 1 mar 2011 al 15 giu 2011.
Obiettivi formativi
Il corso intende fornire i fondamenti teorici e le metodologie principali relative all’analisi e riconoscimento automatico di dati di qualsiasi tipo, detti tipicamente pattern. Questa disciplina è alla base o completa molte altre discipline di più larga diffusione come l’elaborazione delle immagini, la visione, l’intelligenza artificiale, l’analisi di grosse quantità di dati, le basi di dati, e numerose altre.
Nel corso verrà data enfasi alle tecniche probabilistiche e statistiche con particolar riferimento all’apprendimento automatico di sistemi volti al riconoscimento e la classificazione.
Le applicazioni che questa disciplina coinvolge sono molteplici.
Tra queste ci sono le applicazioni legate all’elaborazione delle immagini e visione, data mining, l'analisi ed interpretazione di dati medicali, la biometria, l'imaging biomedicale, la videosorveglianza, la robotica, il riconoscimento della voce e numerose altre.
Programma
--Introduzione: cos’è, a cosa serve, sistemi, applicazioni
--Riconoscimento e classificazione
--Teoria della decisione di Bayes
--Stima dei parametri
--Metodi non parametrici
--Classificatori lineari, non lineari e funzioni discriminanti
--Estrazione e selezione di feature, PCA e trasformata di Fisher
--Algoritmo Expectation-Maximization e misture di Gaussiane
--Metodi generativi e discriminativi
--Metodi Kernel e Support Vector Machines
--Reti neurali artificiali
--Hidden Markov Models
--Metodi di classificazione non supervisionata (clustering)
--Pattern recognition per l'analisi ed il riconoscimento in immagini e video
Modalità d'esame
Progetto e discussione orale dello stesso.
Materiale e documenti
-
Cap 00 - Il corso (pdf, it, 395 KB, 3/11/11)
-
Cap 01 - Introduzione (pdf, it, 916 KB, 3/11/11)
-
Cap 02 - Teoria di Bayes (pdf, it, 1008 KB, 3/11/11)
-
Cap 03 - Estrazione di features (vnd.ms-powerpoint, it, 1366 KB, 3/11/11)
-
Cap 04 - Stime parametriche ML, EM, stima Bayesiana (vnd.ms-powerpoint, it, 4173 KB, 3/25/11)
-
Cap 05 - Stime non parametriche (pdf, it, 1602 KB, 4/1/11)
-
Cap 06bis - Observed Influence Model (vnd.ms-powerpoint, it, 4036 KB, 4/29/11)
-
Cap 06 - Modelli generativi (pdf, it, 2291 KB, 4/13/11)
-
Cap 07 - Modelli discriminativi (pdf, it, 3378 KB, 5/5/11)
-
Cap 08 - Reti neurali (pdf, it, 796 KB, 5/19/11)
-
Cap 09bisbis - Validazione clustering (pdf, it, 492 KB, 5/27/11)
-
Cap 09bis - Clustering non parametrico (pdf, it, 3242 KB, 5/19/11)
-
Cap 09 - Clustering (pdf, it, 776 KB, 5/19/11)
-
Cap 10 - (Arg.Av.) Descrittori di forma (pdf, it, 1175 KB, 5/27/11)
-
Lab 01 - Intro e Teoria di Bayes (zip, it, 7076 KB, 3/15/11)
-
Lab 02 - PCA e Eigenfaces (zip, it, 4973 KB, 4/13/11)
-
Lab 03 - Tracking (zip, it, 2 KB, 4/19/11)
-
Lab 04 - HMM (zip, it, 570 KB, 5/19/11)
-
Lab 05 - Clustering come segmentazione (zip, it, 6 KB, 6/10/11)
-
Progetto finale (pdf, it, 629 KB, 5/20/11)