Informazioni di Metodi Di Ottimizzazione Per Big Data

Dipartimento: Ingegneria
Settore Ministeriale: MAT/09
Codice di verbalizzazione: 8039498
Metodi di insegnamento: Frontale
Metodi di valutazione: Scritto E Orale
Prerequisiti: Analisi Matematica 1 e 2, di Geometria 1
Obiettivi: L'obiettivo del corso è quello di introdurre all'ottimizzazione non vincolata e vincolata con attenzione alle applicazioni nel campo dell'addestramento di reti neurali, e SVM (Support Vector Machine) e alla definizione di tecniche di clustering. Obiettivi: L'obiettivo del corso è quello di introdurre all'ottimizzazione non vincolata e vincolata con attenzione alle applicazioni nel campo dell'addestramento di reti neurali, e SVM (Support Vector Machine) e alla definizione di tecniche di clustering. Lo scopo viene raggiunto tramite l'introduzione anche a due software: AMPL e WEKA. AMPL permette di definire e risolvere problemi di Programmazione Matematica. WEKA è una collezione di algoritmi per Apprendimento Automatico per la soluzione di problemi di classificazione o regressione.

Navigazione Utente: