- Docente: Alessandra De Rossi
- Docente: Roberta Sirovich
Questo MOOC introduce gli/le studenti/esse al Machine Learning e ai principali oggetti e strumenti matematici che sono coinvolti nello sviluppo e nella formalizzazione di questa disciplina. Verrà quindi presentata una panoramica su alcuni metodi matematici fondamentali usati nel Machine Learning e/o nella costruzione di una rete neurale
Il corso è organizzato in due parti. Nella prima parte verranno introdotti i seguenti temi:
introduzione alle reti neurali, qualche problema reale, funzioni di attivazione e costo, regolarizzazione, minimi di una funzione, massima discesa e gradiente. Nella seconda parte verrà analizzato nel dettaglio il perceptron, il suo algoritmo di addestramento classico e verranno analizzati i risultati su un esempio simulato.
Al termine del percorso di apprendimento, gli studenti e le studentesse saranno in grado di:
Conoscenza e comprensione
-
Conoscere la definizione e le caratteristiche di una rete neurale feed-forward.
-
Conoscere il concetto di regolarizzazione.
-
Conoscere metodi di ottimizzazione ovvero di ricerca dei minimi di una funzione e il loro legame con l’addestramento delle reti neurali.
-
Conoscere la definizione e le caratteristiche del perceptron e il suo algoritmo classico di addestramento.
Applicare conoscenza e comprensione
-
Discutere i risultati dell’apprendimento di un perceptron.
Superamento di quiz
All’interno di ciascun modulo sono presenti diverse lezioni, composte da video, testi scritti, infografiche, quiz con valutazione automatica e attività interattive.
Non ci sono prerequisiti
Alessandra De Rossi
Roberta Sirovich
alessandra.derossi@unito.it
roberta.sirovich@unito.it
Per problemi tecnici:
edvancedeh@unito.it