145005 — Algoritmi Avanzati
145609 — Machine Learning for Data Science

Laurea Triennale in Informatica
Anno Accademico 2017-2018, primo semestre

Avvisi

  • [2017-09-17] È in linea la traccia della prima lezione.
  • [2017-09-12] Mailing list del corso: chi è interessato a seguire il corso è pregato di inviare una email con oggetto [Algoritmi Avanzati all'indirizzo mauro.brunato+AAmailinglist@unitn.it. La mailing list sarà utilizzata solo per comunicazioni urgenti (sospensioni/spostamenti di lezioni e di esami).

Obiettivi del corso

La figura del “Data Scientist”, sempre più richiesta dalle aziende e dai centri di ricerca, si occupa di dare un senso alla mole crescente di dati disponibili in ogni contesto, ne costruisce modelli informatici che aiutano a comprendere meglio un fenomeno noto o a scoprirne di nuovi; individua inoltre le modalità di presentazione più efficaci e guida il miglioramento dei processi che analizza.

Il corso costituisce un'introduzione teorico-pratica alle tecniche di apprendimento automatico (machine learning) che, a partire da esempi, generano modelli matematici che possono essere generalizzati a nuovi casi per operare previsioni.

Il corso può essere seguito come modulo a sé, ma può essere utilmente completato da "Intelligent Optimization for Data Science".

Programma

  • Machine Learning: costruzione di modelli a partire dai dati
  • Apprendimento supervisionato
  • Apprendimento non supervisionato
  • Selezione delle feature
  • Tecniche di visualizzazione dei dati
Le lezioni di laboratorio prevedono la verifica e la sperimentazione degli argomenti trattati a teoria tramite la scrittura di brevi programmi di prova sotto la guida del docente.

Prerequisiti

Il corso richiede nozioni di base di Programmazione, Analisi Matematica, Algebra Lineare, Statistica.

Esami

L'esame consiste in una prova scritta.

La prova scritta, con carta e penna, non richiederà la scrittura di codice. Conterrà uno o due esercizi affini agli esempi contenuti nella traccia degli argomenti del corso, e alcune domande di teoria.

I prossimi appelli d'esame avranno luogo durante la sessione invernale (gennaio-febbraio 2018).

Prove parziali

La prima prova parziale avrà luogo durante la settimana a cavallo fra ottobre e novembre.

Docenti

Orario

Da mercoledì 13 settembre a mercoledì 20 dicembre 2017.

  • Teoria: lunedì dalle 14 alle 16 in aula A106.
    Sospensioni:
    • lunedì 30 ottobre (settimana provette).
  • Laboratorio: mercoledì dalle 9 alle 11 in aula B106.
    Sospensioni:
    • mercoledì 1 novembre (Ognissanti).

Altre eventuali variazioni saranno comunicate nel riquadro “Avvisi” in testa alla pagina.

Bibliografia

Per approfondimenti si consigliano le seguenti risorse.

Libri

  • Roberto Battiti and Mauro Brunato
    The LION Way — Machine Learning plus Intelligent Optimization
    LIONlab, 2014.
    ISBN: 978-1-49603-402-1

Pagine e siti web

Materiale del corso

Dispense del corso ed esercizi

Esercitazioni di laboratorio

In questo spazio sarà messa a disposizione il codice delle esercitazioni.

Prove d'esame

In questo spazio saranno messi a disposizione i temi d'esame proposti nelle varie sessioni.


Programma svolto

Teoria

  • Presentazione del corso (mercoledì 13 settembre)
    • Descrizione dei contenuti del corso.
    • Modalità d'esame.
  • Introduzione alla Data Science (mercoledì 13 settembre)
    • Discipline che ne fanno parte
    • Frequenti cause di errori metodologici nella statistica classica.
 

Laboratorio

Pagina mantenuta da Mauro Brunato