Fornire conoscenza e comprensione sui principali metodi ed algoritmi di apprendimento automatico, discutendone le proprietà e i criteri di applicabilità nell’ambito delle scienze fisiche. attraverso la presentazione di diversi esempi di impiego efficace delle tecniche di apprendimento automatico in alcuni scenari applicativi. In particolare, sono fondamentali i seguenti argomenti:
Fondamenti di calcolo delle probabilità
Apprendimento supervisionato
Apprendimento non supervisionato
Esempi di impiego delle tecniche di apprendimento automatico in alcuni scenari applicativi
Prerequisiti
Conoscenze di base sulla meccanica classica, termodinamica ed elettromagnetismo.
Metodi didattici
Il corso, al fine di raggiungere gli obiettivi formativi previsti, si svolge prevalentemente attraverso lezioni frontali. Sono inoltre previste esercitazioni in aula ed esercitazioni guidate svolte dagli studenti con lo scopo di stimolare l’approccio ai problemi con autonomia e senso critico. Tutte le attività sono svolte con supporto di lavagna digitale (tablet) e computer per la parte di programmazione
Verifica Apprendimento
L'esame consiste nella presentazione di un progetto. Il progetto da elaborare viene concordato con il docente durante la seconda parte del corso e consiste nella scelta di un problema e di un relativo dataset e nella successiva applicazione di alcune delle tecniche apprese durante il corso per la risoluzione del problema. Durante la presentazione del progetto saranno chiesti eventuali approfondimenti sugli argomenti trattati durante il corso (definizioni, esempi rilevanti, applicazioni, collegamenti tra i vari argomenti.) con il duplice scopo di verificare il livello di conoscenza e di comprensione dei contenuti del corso e di valutare l'autonomia di giudizio, la capacità di apprendimento, l'abilità comunicativa e la proprietà di linguaggio scientifico e indi valutare le facoltà logico-deduttive acquisite dallo studente. La valutazione è fatta in trentesimi.
Testi
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition by Aurélien Géron Released September 2019 Publisher(s): O'Reilly Media, Inc. ISBN: 9781492032649
Contenuti
Introduzione all'Intelligenza Artificiale; Apprendimento automatico; Apprendimento automatico supervisionato/non-supervisionato; Reti Neurali Artificiali; Deep Learning; Applicazioni.