21210492 - Tecnologie per il machine learning e big data

Il corso affronterà lo studio dei concetti fondamentali relativi all’apprendimento automatico (Machine Learning), dei principali metodi utilizzati e degli strumenti software basati su tecniche di apprendimento automatico. In particolare ha l'obiettivo di far comprendere le capacità e le limitazioni di tali metodi e strumenti, e di sviluppare le capacità di utilizzare alcune tra le tecnologie attualmente disponibili per risolvere problemi di analisi di dati, estrazione della conoscenza e supporto alle decisioni. Infine ha l'obiettivo di discutere le problematiche e le opportunità che si presentano nei contesti in cui l'analisi si estende a gradi volumi di dati (Big Data).

Curriculum

scheda docente | materiale didattico

Mutuazione: 21210492 Tecnologie per il machine learning e big data in Economia e Gestione della Trasformazione Digitale LM-56 R DI SANZO PIERANGELO

Programma

Introduzione all'intelligenza artificiale
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset





Testi Adottati

Materiale didattico fornito dal docente

Modalità Frequenza

La frequenza del corso non è obbligatoria, ma consigliata soprattutto per un agevole apprendimento dell'utilizo degli strumenti software

Modalità Valutazione

L'esame prevede una prova al calcolatore e la valutazione di un progetto

scheda docente | materiale didattico

Mutuazione: 21210492 Tecnologie per il machine learning e big data in Economia e Gestione della Trasformazione Digitale LM-56 R DI SANZO PIERANGELO

Programma

Introduzione all'intelligenza artificiale
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset





Testi Adottati

Materiale didattico fornito dal docente

Modalità Frequenza

La frequenza del corso non è obbligatoria, ma consigliata soprattutto per un agevole apprendimento dell'utilizo degli strumenti software

Modalità Valutazione

L'esame prevede una prova al calcolatore e la valutazione di un progetto

scheda docente | materiale didattico

Mutuazione: 21210492 Tecnologie per il machine learning e big data in Economia e Gestione della Trasformazione Digitale LM-56 R DI SANZO PIERANGELO

Programma

Introduzione all'intelligenza artificiale
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset





Testi Adottati

Materiale didattico fornito dal docente

Modalità Frequenza

La frequenza del corso non è obbligatoria, ma consigliata soprattutto per un agevole apprendimento dell'utilizo degli strumenti software

Modalità Valutazione

L'esame prevede una prova al calcolatore e la valutazione di un progetto

scheda docente | materiale didattico

Mutuazione: 21210492 Tecnologie per il machine learning e big data in Economia e Gestione della Trasformazione Digitale LM-56 R DI SANZO PIERANGELO

Programma

Introduzione all'intelligenza artificiale
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset





Testi Adottati

Materiale didattico fornito dal docente

Modalità Frequenza

La frequenza del corso non è obbligatoria, ma consigliata soprattutto per un agevole apprendimento dell'utilizo degli strumenti software

Modalità Valutazione

L'esame prevede una prova al calcolatore e la valutazione di un progetto