Mutua da
|
18168 INFORMATICA INDUSTRIALE in INGEGNERIA INDUSTRIALE L-9 ZINGONI ANDREA
(programma)
• Fondamenti di statistica e probabilità (6h) – Lezione - Nozioni di base di statistica e calcolo combinatorio - Nozioni di base di probabilità - Probabilità marginale, congiunta e condizionata e concetto di indipendenza di un evento - Teorema di Bayes e Teorema della Probabilità Totale - Esperimenti composti e iterati
• Variabili Aleatorie (10h): – Lezione + Laboratorio di Matlab - Introduzione alle variabili aleatorie - Variabili aleatorie continue e discrete - Funzione di distribuzione e densità/massa di probabilità - Trasformazione di variabili aleatorie - Parametri caratteristici di una variabile aleatoria - Sistemi di variabili aleatorie - Proprietà e parametri caratteristici di un sistema di variabili aleatorie
• Introduzione all’intelligenza artificiale (2h): – Lezione + Seminari - Definizione/i di intelligenza artificiale e tipologie di algoritmi - Storia dell’IA dalle prime invenzioni alle tecniche state-of-the-art - Utilizzi, benefici, criticità e problematiche legati all’IA
• Tecniche di machine learning (16h): – Lezione + Laboratorio di Matlab e Python + Seminari - Introduzione, inferenza, riduzione feature, allenamento e validazione - PCA - K-Means - Classificatore Naïve Bayes - Regressione lineare e logistica - Classificatore k-NN - SVM - Decision/regression tree e random forest - Aspetti principali del reinforcement learning
• Fondamenti di reti neurali e deep learning (14h): – Lezione + Laboratorio di Python + Seminari - Introduzione alle reti neurali - Dimensionamento di una rete neurale e iperparametri - Tecniche di miglioramento del training di una rete neurale - CNN
(testi)
- "Teoria della probabilità e variabili aleatorie, con applicazioni all’ingegneria e alle scienze", di A. Bononi e G. Ferrari, ed. Esculapio, 2008. - "Algoritmi per I’intelligenza artificiale”, di R. Marmo, ed. Hoepli, 2020. - "Artificial intelligence: a modern approach" 4th ed., di S. Russel, P. Norvig, ed. Global Edition. - “Hands-on machine learning with Scikit-learn, Keras & TensorFlow” 2nd ed., di A. Géron, O’Reilly ed. - “Neural Networks and Deep Learning: a Textbook”, di C.C. Aggarwal, ed. Springer.
|