AI835 - ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING

Il corso fornisce una panoramica strutturata dei principi, dei metodi e delle applicazioni del Machine Learning e dell’Intelligenza Artificiale. Dopo un’introduzione ai fondamenti del machine learning e al processo di knowledge discovery, vengono affrontate le principali tecniche di preparazione e analisi dei dati, insieme ai diversi paradigmi di apprendimento, tra cui apprendimento supervisionato, non supervisionato, batch, incrementale e naturale. Una parte del corso è dedicata al reinforcement learning e ai principali aspetti critici del processo di apprendimento, come il tuning dei parametri, la valutazione delle performance, la suddivisione dei dati in training, validation e test set e il problema dell’overfitting.
Il programma comprende lo studio dei principali metodi di classificazione e regressione, tra cui alberi decisionali, regressione lineare e logistica e reti neurali artificiali. Sono inoltre analizzate le tecniche di clustering, con particolare attenzione a K-Means, ai metodi agglomerativi e agli algoritmi density-based come DBSCAN. Il corso approfondisce anche il representation learning e le architetture di deep learning, incluse Convolutional Neural Network, Recurrent Neural Network e Long Short-Term Memory Network. È prevista un’introduzione ai concetti fondamentali dell’Intelligenza Artificiale Generativa e dei Large Language Models.
La parte applicativa del corso introduce il linguaggio Python e l’utilizzo dell’ambiente Jupyter Notebook. Sono previste esercitazioni pratiche con Scikit-learn per la classificazione supervisionata e con TensorFlow per la progettazione e l’addestramento di modelli basati su Convolutional Neural Network e Recurrent Neural Network.