Title: Machine Learning

Acronym: A21-07

Teacher: Marco Muselli (CNR – IEIIT)

Contacts: Marco Muselli (marco.muselli@ieiit.cnr.it)

Hours: 15

Credits:

Abstract. Il corso si propone di analizzare il problema generale dell'estrazione di informazione da dati sperimentali affetti da rumore, visto come un problema di machine learning. Dopo una presentazione delle possibili ricadute applicative l'attenzione sarà focalizzata sui problemi di classificazione, nei quali l'uscita del sistema fisico che ha prodotto i dati può assumere esclusivamente valori nominali o discreti. In particolare, verranno descritte le varie soluzioni offerte dai metodi statistici classici e dalle tecniche più recenti di machine learning (reti neurali, radial basis functions, support vector machines, alberi decisionali, metodi per l’induzione di regole), mettendo in risalto le peculiarità di ogni approccio, in termini di affidabilità e generalità.

Program

1. Estrazione dell'informazione da dati sperimentali come problema di apprendimento automatico

2. Apprendimento supervisionato e non supervisionato

3. Problemi di riconoscimento, di classificazione e di regressione 4. Metodi statistici classici parametrici

5. Metodi statistici classici non parametrici

6. Metodi basati sull'espansione in serie: reti neurali, radial basis function, support vector machines

7. Metodi per l'estrazione di regole

8. Metodi per la generazione di regole: alberi decisionali, reti logiche.

Bibliographical references

• R. O. Duda, P. E. Hart, D. G. Stork Pattern Classification (Second Edition). New York: John Wiley and Sons, 2001.
• C. M. Bishop Neural Networks for Pattern Recognition. New York: Oxford University Press, 1995.
• N. Cristianini, J. Shawe-Taylor An Introduction to Support Vector Machines and other kernel-based learning methods. Cambridge University Press, 2000.
• L. Breiman, J. H. Friedman, R. A. Olshen, C. J. Stone Classification and Regression Trees. Belmont: Wadsworth, 1994.

Period: 12, 15, 19, 22 e 26 maggio 2008, ore 10-13

Where: Aula Conferenze DIBE-DIE, Via all'Opera Pia 11A

Exam: Prova scritta

Notes.