Codice insegnamento

4S009069

Docente

Francesco Setti

Coordinatore

Francesco Setti

Crediti

6

Lingua di erogazione

Inglese

Settore Scientifico Disciplinare (SSD)

ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

Periodo

Primo semestre dal 4 ott 2021 al 28 gen 2022.

Orario Lezioni Moodle Seminari 0

Obiettivi formativi

L’insegnamento intende offrire la teoria di base per l’apprendimento automatico accanto a tecniche specifiche capaci di lavorare con grandi quantità di dati, quali il deep learning. Teoria e tecniche saranno specificatamente indirizzati a problematiche di data science con particolare enfasi all’analisi di dati.

Al termine del corso lo studente dovrà dimostrare di:

● conoscere le principali tipologie di dato (e.g.: binari, testi, suoni, etc.)
● comprendere e saper utilizzare gli elementi base della statistica descrittiva, della probabilità elementare, dell’algebra lineare con elementi di ottimizzazione e regolarizzazione
● conoscere tecniche di base in ambito machine learning (e.g.: support vector machines, random forest, etc.)
● conoscere tecniche di base in ambito deep learning (e.g. : convolutional neural network, long-short memory machines, etc.)
● conoscere le basi in ambito Natural Language Processing per, e.g., sentiment analysis
● avere basi in relazione a misure di valutazione e Regressione, e.g., RMSE (Root Mean Square Error), MAE, Rsquared e adjusted Rsquared)
● consocere le basi in ambito addestramento supervisionato, e.g., matrice di confusione, accuratezza, precision, recall, F1, Curve precision-recall, ROC, average precision, CMC NLP: Bleu, Spice

Bibliografia

Modalità d'esame

L’esame prevede la discussione con il docente di un progetto che propone una soluzione ad un problema industriale.
Lo studente dovrà presentare il proprio lavoro in circa 15 minuti (con o senza l'uso di materiale di supporto come slides, relazione scritta, demo, ecc.), seguiti da domande da parte del docente.
Per la composizione del voto si terrà conto di:
- performance del sistema sviluppato (con metriche diverse da problema a problema);
- motivazione teorica che ha spinto lo studente ad effettuare le scelte progettuali;
- capacità di esporre in modo chiaro e conciso i punti chiave del progetto;
- capacità di sostenere una discussione sulle possibili soluzioni alternative e potenziali cause di fallimento della soluzione elaborata.
Lo studente dovrà altresì dimostrare padronanza di tutti gli argomenti in programma (anche quelli non affrontati nel corso del progetto).