Machine Learning 2025/2026

Richiami di statistica bayesiana e apprendimento bayesiano Modelli grafici e reti bayesiane Supervised learning: Regressione (lineare e non) e regolarizzazione Feature selection, cenni Classificazione lineare: LDA di Fisher, perceptron, Naive bayes Modelli generativi per la classificazione Modelli discriminativi per la classificazione, regressione logistica Support vector machines, kernel Multilayer perceptron Modelli non parametrici: knn e Parzen windows Processi gaussiani Alberi di decisione Ensemble models: bagging, boosting, random forests, Adaboost, Gradient boosting Unsupervised learning Clustering: k-means, mixture models Dimensionality reduction: Principal component analysis, Probabilistic principal component analysis, Factor analysis Testo, pair matrices e recommenders Latent semantic analysis Deep learning Convolutional networks Recurrent e LSTM networks Autoencoders, the EM algorithm e Variational encoders

---

Richiami di statistica bayesiana e apprendimento bayesiano Modelli grafici e reti bayesiane Supervised learning: Regressione (lineare e non) e regolarizzazione Feature selection, cenni Classificazione lineare: LDA di Fisher, perceptron, Naive bayes Modelli generativi per la classificazione Modelli discriminativi per la classificazione, regressione logistica Support vector machines, kernel Multilayer perceptron Modelli non parametrici: knn e Parzen windows Processi gaussiani Alberi di decisione Ensemble models: bagging, boosting, random forests, Adaboost, Gradient boosting Unsupervised learning Clustering: k-means, mixture models Dimensionality reduction: Principal component analysis, Probabilistic principal component analysis, Factor analysis Testo, pair matrices e recommenders Latent semantic analysis Deep learning Convolutional networks Recurrent e LSTM networks Autoencoders, the EM algorithm e Variational encoders

---