Corso di
PATTERN RECOGNITION E MACHINE LEARNING

Scheda

Codice8039760
Denominazione inglesePATTERN RECOGNITION AND MACHINE LEARNING
LinguaItaliano
CFU6
SSDING-INF/01
Primo anno accademico2018-19

Docente

Prof. Eugenio Martinelli

Programma

Cosa è la pattern recognition e il machine learning.

I dati sperimentali e le caratteristiche degli strumenti di misura.

Fondamenti dell'analisi statistica dei dati.

Vettori, spazi vettoriali e matrici.

Matrici e statistica delle matrici (matrice di covarianza, autovettori, autovalori).

Analisi esplorativa.

Estrazione delle features.

Preprocessamento dei dati.

Identificazione di outliers.

Analisi delle componenti principali (PCA) e Partial Least Square (PLS).

Analisi descrittiva multivariata.

Algoritmi per la Feature selection.

Teoria e tecniche di classificazione (Pattern Recognition) e loro applicazioni.

Modelli di classificazione non supervisionati (cluster analysis, C-means, etc.)

Modelli lineari di classificazione supervisionati. Classificatori Hard e Soft: Fisher discriminant analysis, k-NN, Mahalanobis classifier, PLS-DA, SIMCA, etc.

Tecniche di validazione dei modelli (Leave one out cross validation, Venetian blind, etc.).

Reti neurali per la classificazione e Support Vector Machine.

Algoritmi genetici e bioinspirati (Ant Colony Optimization, Ant miner, Algoritmi genetici, Artificial Immune System, etc.) e loro applicazioni.

Deep Learning: teoria ed esempi.

Lezioni 2021-22

Il corso si tiene nel primo semestre.
L'orario e le aule delle lezioni sono di seguito visualizzati. Sono tuttavia da considerarsi provvisori fino all'inizio delle lezioni.
Con T (Telematica) è indicata un'aula virtuale.
LunMarMerGioVen
8.30 - 9.15     
9.30 - 10.15     
10.30 - 11.15     
11.30 - 12.15Aula C7  Aula B9 
12.30 - 13.15Aula C7  Aula B9 
14.00 - 14.45     
15.00 - 15.45     
16.00 - 16.45     
17.00 - 17.45     
18.00 - 18.45     

Statistiche

Questa sezione riassume le statistiche relative alle votazioni di profitto ottenute dagli studenti dall'anno accademico 2010-11 ad oggi. I dati sono aggiornati frequentemente, ma non in tempo reale. Essi si riferiscono comunque soltanto agli esami sostenuti da studenti iscritti al Corso di Laurea o Laurea Magistrale in Ingegneria Elettronica.
Nel calcolo sono inclusi gli esami dello stesso corso con diverso codice.
Il 30 e lode è considerato come 31 nel calcolo della media e dello scarto quadratico medio.
StatisticaValore
Numero esami12
Voto minimo27
Voto massimo30 e lode
Media dei voti29,50
Scarto dei voti1,44
Media votazioni per anno accademico
Anno accademicoEsamiMedia
2020-21231,00
2019-20629,16
2018-19429,25