Programma di Big Data, Machine Learning And Astrophysical Data:
Questo corso introduce lo studente ad una varietà di metodi e applicazionidi tecniche di Machine Learning in Astrophisica.
Cosa è il Machine Learning? Quali problemi tenta di risolvere? Qualsi sono le sue categorie principali e i suoi concetti fondamentali?
Imparare fittando un modello a dei dati. Ottimizzazione di una funzione di merito.
Gestire, pulire e preparare i dati.
Scegliere il modello e aggiustare i parametri usando la cross-validazione
Le sfide dell'approccio Machine Learning.
Ridurre la dimensionalità del set di apprendimento per combattere la maledizione della dimensionalità.
Gli algoritmi più usati: Linear and Polynomial Regression, Logistic Regression, k-Nearest Neighbors, Support Vector Machines, Decision Trees, Random Forests, e metodi di Ensemble.
Le lezioni sono accompagnate da una cospicua parte in laboratorio. Nei laboratori gli studenti imparano a programmare in Python e scrivere le proprie routine per applicare su dati astrofisici le tecniche apprese a lezione.
English
Italiano