Programma di Machine Learning:

Esempi di problemi di machine learning e introduzione all'apprendimento statistico Apprendimento statistico: concetti generali. Regressione Lineare. Ottimizzazione non vincolata: condizioni di ottimo, algoritmi di soluzione: condizioni di convergenza globale, ricerca di linea, metodo del gradiente, metodo del gradiente stocastico e metodo del gradiente incrementale. Reti neurali shallow: perceptron e suo addestramento. Reti feedforward MLP (Multi Layer Perceptron), addestramento tramite batch propagation e con tecniche di decomposizione. Reti RBF e addestramento. Addestramento di reti deep tramite gradiente stocastico e gradiente incrementale. Reti deep: Introduzione al deep learning. Regolarizzazione con Dropout. Convolutional Layer vs Fully Connected. Iperparamenti della convoluzione: Padding, Stride, Num Filters. Max Pooling. Convolutional neural network: Architettura Generale. CNN per classificazione di immagini. Transfer Learning. Data Augmentation .

 

Software: Tensorflow con progetto pratico su un problema di classificazione per immagini