Laurea Triennale in Ingegneria delle Comunicazioni (2024-2025)
Informazioni
| Classroom: tutti gli studenti devono registrarsi alla pagina di Google Classroom per rimanere aggiornati. | |
| Timetable: Martedì 8-11 (Aula 4), Giovedì 5-7 (Aula 17). |
News
- Gli orari delle lezioni saranno comunicati appena disponibile il calendario didattico del secondo semestre.
Overview del corso
Il corso è una introduzione al campo dell’apprendimento automatico (machine learning). La prima parte del corso richiama concetti necessari di Python, algebra lineare, ed ottimizzazione (nessuna conoscenza pregressa è necessaria).
Vedremo in seguito diversi algoritmi di apprendimento supervisionato: modelli lineari, reti neurali, k-NN, ed alberi decisionali. In seguito, introdurremo esempi di apprendimento non supervisionato (clustering, riduzione della dimensionalità), ed alcuni argomenti di interesse generale (preprocessamento dei dati, valutazione dei modelli, fairness, interpretabilità).
Il corso è corredato da numerosi laboratori in cui esploreremo scikit-learn, PyTorch (cenni), ed altre librerie di interesse.
Materiale
Le esercitazioni sono in blu.
| Data | Argomento | Materiale | |
|---|---|---|---|
| L0 | 26/02 | Informazioni sul corso | Slides |
| L1 | 26/02 | Introduzione | Slides |
| L2 | 04/03 | Preliminari | Slides Taylor approximation (script) |
| E1 | 06/03 | Python | Uncompleted Completed |
| E2 | 11/03 | NumPy | Uncompleted Completed |
| L3 | 13/03 | Apprendimento supervisionato e regressione lineare | Slides |
| E3 | 18/03 | Least-squares regression | Uncompleted Completed |
| L4 | 26/03 | k-nearest neighbors ed overfitting | Slides k-NN per classificazione (script) |
| E4 | 11/04 | k-nearest neighbors in NumPy | Uncompleted Completed |
| L5 | 16/04 | Regressione logistica e Naive Bayes | Slides Naive Bayes (script) |
| L6 | 29/04 | Data preprocessing e model evaluation | Slides Cost-adjusted inference (script) |
| E5 | 06/05 | Data preprocessing e model selection | Uncompleted Completed |
| L7 | 14/05 | Reti neurali | Slides Approximating a 1d function (script) |
| L8 | 20/05 | Unsupervised learning | Slides PCA in 2D (script) k-means in NumPy (script) |