Machine Learning 2012/2013

Introduzione all'apprendimento automatico. Apprendimento supervisionato. Regressione lineare. Overfitting. Tradeoff errore sistematico - varianza. Apprendimento di modelli: massima verosimiglianza, MAP, metodi bayesiani. Classificazione lineare, binaria e non. Classificatori lineari. LDA. Principal component analysis. Modelli generativi e discriminativi. Regressione logistica. Reti neurali feedforward. Algoritmo di backpropagation. Support vector machines. Funzioni kernel. Apprendimento non supervisionato. Clustering. Algoritmo k-means. Misture di distribuzioni. Metodi spettrali per il clustering. Clustering gerarchico. Analisi fattoriale. Hidden Markov models. Modelli del testo, statististici e non: LSA, PLSA, LDA.