Argomenti dell'insegnamento
Il corso si concentra sulle tecniche fondamentali di Machine Learning, combinando istruzione teorica e applicazione pratica. Il corso copre i metodi di base dell'apprendimento supervisionato e non supervisionato, con lezioni dedicate alla comprensione concettuale e laboratori finalizzati all'implementazione pratica utilizzando set di dati reali. Gli studenti iniziano imparando a rappresentare i dati e a gestire vari tipi di caratteristiche, per poi passare alla costruzione di modelli predittivi attraverso l'apprendimento supervisionato e alla scoperta di raggruppamenti di dati attraverso l'apprendimento non supervisionato. L'accento è posto sulla valutazione della qualità del modello e sulla risoluzione delle sfide legate alla generalizzazione. Una parte significativa del corso prevede l'implementazione di algoritmi utilizzando librerie Python come Scikit-learn e SciPy, consentendo agli studenti di affrontare una varietà di compiti di apprendimento automatico in diversi ambiti applicativi.

Modalità di insegnamento
Si tratta di un modulo basato su progetti e laboratori. Consiste in lezioni frontali, esercitazioni in laboratorio, analisi di casi di studio e sviluppo di un progetto.

Obiettivi formativi
Conoscenza e comprensione: - D1.10: Conoscere i principi dell’intelligenza artificiale, le capacità e i limiti dei sistemi intelligenti in varie applicazioni (attività nei settori scientifici disciplinari INF/01 e ING-INF/05) Applicare conoscenza e comprensione: - D2.12: Saper adottare tecniche di programmazione di intelligenza artificiale per la soluzione di problemi informatici (attività nei settori scientifici disciplinari INF/01 e ING-INF/05 - D2.14: Essere in grado di applicare le tecniche statistiche e della teoria delle probabilità per risolvere problemi di tipo informatico (attività nei settori scientifici disciplinari MAT/06) Capacità di giudizio: - D3.1: Capacità di raccogliere ed interpretare dati utili per formare giudizi autonomi su sistemi informativi ed il loro utilizzo. - D3.2: Essere in grado di lavorare in autonomia adeguata al proprio livello di conoscenza e comprensione. Capacità di comunicazione: - D4.1: Essere in grado di utilizzare una delle tre lingue: inglese, italiano e tedesco, e essere in grado di utilizzare terminologia tecnica e comunicativa appropriata. Capacità di apprendimento: - D5.1: Capacità di apprendimento necessarie per intraprendere studi successivi con alto grado di autonomia. - D5.3: Capacità di seguire la rapida evoluzione tecnologica e di apprendere gli aspetti innovativi di tecnologie e sistemi informatici di ultima generazione.

Modalità d'esame
Il corso comprende un esame scritto, del valore del 50%, con domande di verifica e risoluzione di problemi, e una serie di compiti, del valore del 50%, che prevedono l'implementazione di algoritmi di apprendimento automatico su insiemi di dati reali, la conduzione di esperimenti e la presentazione dei risultati.

Criteri di valutazione
L'esame viene valutato in base alla correttezza e alla chiarezza delle risposte, alla capacità di riassumere e valutare criticamente i contenuti, alla capacità di stabilire relazioni tra gli argomenti, alla qualità dell'argomentazione e alla capacità di risolvere i problemi. Per superare l'esame, gli studenti devono ottenere un punteggio minimo di 18 su 30 sia sulla teoria che sulla pratica.