Formalizzazione matematica del machine learning, supervised learning, funzioni loss, rischio e stimatore di Bayes, regressione e classificazione, consistenza, generalizzazione, no free lunch theorem, ottimalità minimax, local averaging, empirical risk minimization, regolarizzazione, linear least squares, bias-variance tradeoff, decomposizione del rischio, approximation-estimation tradeoff, covering numbers, Rademacher complexity, modelli lineari, metodi kernel, representer theorem, spazi di Hilbert a nucleo riproducente, translation-invariant kernels, Matern kernels e spazi di Sobolev, bounds di generalizzazione, adattività a regolarità, sparsità, lasso, reti neurali e deep learning, universalità, generalizzazione, adattività a dimensione intrinseca, spazi di Banach a nucleo riproducente, relazioni con metodi kernel, limiti Gaussiani, random features, representer theorem, modelli sovraparamettrizzati, implicit bias del gradient descent, interpolazione e generalizzazione double descent, mean-field limit, neural tangent kernel, statistical-computational tradeoffs.
English
Italiano