L'insegnamento è organizzato come segue:

Obiettivi di apprendimento

Il corso intende fornire i fondamenti teorici e descrivere le metodologie principali relative all’area di apprendimento automatico (machine learning), unitamente alle tecniche più recenti dell'apprendimento profondo (deep learning). In particolare, il corso si occuperà di descrivere i metodi di analisi, riconoscimento e classificazione automatica di dati di qualsiasi tipo, detti tipicamente pattern. Queste discipline sono alla base, sono utilizzate, e spesso completano molte altre discipline ed aree applicative di larga diffusione, quali la visione computazionale, la robotica, l’elaborazione delle immagini, data mining, l’analisi ed interpretazione di dati medicali e biologici, la bioinformatica, biometria, videosorveglianza, il forecasting. Più precisamente, le metodologie che verranno introdotte nel corso sono spesso parte integrante delle aree applicative su citate, e ne costituiscono la parte “intelligente” con l’obiettivo finale di comprendere (classificare, riconoscere, analizzare) i dati provenienti dal processo di interesse (siano essi segnali, immagini, stringhe, categoriali, o di altro tipo). A partire dalla tipologia di dati misurati, verrà considerata l’intera pipeline di analisi quali l’estrazione e selezione di caratteristiche, metodi di apprendimento automatico supervisionato e non supervisionato, tecniche di analisi parametriche e non, e i protocolli di validazione, assieme a tecniche di deep learning, che, attraverso il paradigma delle reti neurali e l'ottimizzazione numerica, costruisce sistemi di regressione e classificazione non lineari. Particolare enfasi verrà anche posta verso metodi di visualizzazione necessari per la comprensione del funzionamento di tali sistemi. Il corso è sia teorico che implementativo, esso offre nozioni di programmazione specifici per sistemi professionali basati su Python e su casi di studio aziendali ove applicare le tecniche studiate. A livello di laboratorio, verranno presentati casi di studio reali oltre a benchmark accademici, affrontati con strumenti di programmazione attuali. In conclusione, il corso si propone di fornire allo studente un insieme di fondamenti teorici e strumenti algoritmici per affrontare le problematiche che si possono incontrare in settori industriali strategici ed innovativi quali quelli che coinvolgono l’elaborazione di grandi quantità di dati (big data), multimedia, l’ispezione visuale di prodotti, automazione ed predizione.