Engineering in Computer Science and Artificial Intelligence

Obiettivi generali. Obiettivo del corso è la presentazione di un ampio spettro di metodi e algoritmi per il Machine Learning, l'analisi delle loro proprietà, i criteri di convergenza e l’applicabilità. Il corso presenterà anche esempi di applicazioni di successo in diversi scenari applicativi. Il principale risultato atteso è l'acquisizione della capacità di risolvere problemi di apprendimento attraverso una corretta formulazione, una scelta appropriata dell'approccio risolutivo e l’analisi sperimentale. Obiettivi specifici. Conoscenza e capacità di comprensione: Fornire una panoramica completa dei principali metodi e algoritmi di apprendimento automatico per problemi di classificazione, regressione e apprendimento non supervisionato. Tutti i problemi sono definiti formalmente e ne vengono fornite le basi teoriche, così come i dettagli tecnici e implementativi, per comprendere le soluzioni proposte. Capacità di applicare conoscenza e comprensione: Risolvere problemi specifici di apprendimento automatico a partire da dati di addestramento, attraverso l’applicazione corretta dei metodi e degli algoritmi studiati. Lo sviluppo di piccoli progetti da svolgere a casa consente agli studenti di applicare le conoscenze acquisite. Autonomia di giudizio: Capacità di valutare le prestazioni di un sistema di apprendimento automatico utilizzando metriche e metodologie di valutazione adeguate. Abilità comunicative: Capacità di redigere una relazione tecnica descrivendo la soluzione adottata, dimostrando così competenze nella comunicazione dei risultati ottenuti dall’applicazione delle conoscenze acquisite alla risoluzione di un problema specifico. Esporsi a esempi di comunicazione tramite la discussione dei risultati ottenuti in casi pratici. Lavorando in gruppo ai progetti da svolgere a casa, gli studenti apprenderanno come comunicare efficacemente a livello tecnico. Capacità di apprendimento: Acquisendo il vocabolario di base e i fondamenti del Machine Learning, gli studenti svilupperanno le competenze necessarie per accedere autonomamente alla letteratura specialistica e apprendere nuovi approcci e tecniche, utili per la realizzazione dei progetti individuali. Più in generale, il corso fornisce le basi necessarie ad affrontare con successo argomenti più avanzati di Machine Learning, come il Deep Learning e il Natural Language Processing (NLP), tipicamente proposti in corsi accademici avanzati.