Machine Learning 2026/2027

Introduzione all'apprendimento automatico Tecniche base di apprendimento supervisionato: - K-Nearest Neighbors - Alberi di decisione - Regressione lineare e logistica - Bayesian Learning - Bagging e boosting Tecniche base di apprendimento non supervisionato: - Tecniche di clustering - Principal Component Analysis Deep learning: - Introduzione alle reti neurali - Convolutional Neural Networks - Autoencoder - Recurrent Neural Networks (cenni) - Transformer e Large Language Models Introduzione al Reinforcement Learning Esempi pratici con scikit-learn, Keras e Tensorflow (10 ore)

---