Il corso si rivolge a persone con background tecnico-scientifico e ha l'obiettivo di fornire le basi per la comprensione delle tecniche di machine learning e deep learning e per l'applicazioni di tali tecniche su casi d'uso specifici.
16 dicembre dalle 9:00 alle 13:00
Introduzione al Machine Learning
• Introduzione al Machine Learning: definizioni, campi di applicazione, pipeline ML, differenze tra le diverse tipologie di modelli AI.
• Preparazione dei dati per modelli di Machine Learning: dataset, feature, label, pulizia e preprocessing dei dati, train/test split e cross-validation.
• Apprendimento supervisionato: panoramica sui principali algoritmi (regressione lineare, alberi decisionali, ...)
• Apprendimento non supervisionato: panoramica sui principali algoritmi (clustering, riduzione della dimensionalità, ...)
• Interpretazione dei risultati: metriche di valutazione, overfitting e underfitting, interpretabilità dei risultati
• Implementazione in python di alcuni algoritmi supervisionati e non supervisionati
17 dicembre dalle 9:00 alle 13:00
Introduzione al Deep Learning
• Principali caratteristiche delle reti neurali
• Training di modelli di deep learning
• CNN per classificazione immagini
