Matematica applicata

Conoscenze e comprensione: conoscenza dei fondamenti teorici e pratici dei principali modelli di machine learning e big data, e degli algoritmi di ottimizzazione per il loro addestramento. Applicare conoscenza e comprensione: al termine del corso lo studente sarà in grado di selezionare il modello di machine learning adatto per la risoluzione di un assegnato problema di apprendimento automatico e di scegliere quale algoritmo di ottimizzazione sia il più idoneo per l'addestramento del modello stesso, tenendo conto dei vincoli derivanti dal tipo di applicazione (per esempio, dimensione del problema e tempo di calcolo a disposizione). Inoltre lo studente sarà in grado di interpretare correttamente i risultati forniti da codici risolutivi commerciali o ad-hoc. Capacità critiche e di giudizio: capacità di enucleare gli aspetti significativi di un problema di apprendimento automatico e degli algoritmi di ottimizzazione per l'addestramento dei modelli di machine learning. Capacità comunicative: capacità di enucleare i punti significativi della teoria, di saper illustrare con esempi opportuni le parti più interessanti, di discutere matematicamente dei punti più sottili. Capacità di apprendimento: le conoscenze acquisite permetteranno di affrontare lo studio di argomenti più avanzati e di inserirsi adeguatamente in ambienti industriali e di ricerca dove si faccia uso di tecniche di machine learning.