Introduzione alle macchine di apprendimento: apprendimento supervisionato (problemi di classificazione e di regressione) e non supervisionato (clustering).

Macchine di apprendimento supervisionato: Support Vector Machines (SVM), Alberi di Decisione, Random Forest, Reti Neurali (Multi Layer Perceptron e reti RBF).

Teoria dell’apprendimento di Vapnick e connessione tra reti neurali e SVM.

Cenni su algoritmi di apprendimento per gli strumenti definiti.

Il corso prevede delle esercitazioni pratiche in python con l’uso di tensor flow.