Apprendimento supervisionato
Apprendimento supervisionato: generalità e classificazione.
Apprendimento supervisionato: regressione.
Illustrazione di alcuni algoritmi basati su apprendimento supervisionato.
Costruzione di una rete neurale e deep learning.
Valutazione delle performances.
Apprendimento non supervisionato e laboratorio
Apprendimento non supervisionato: analisi multivariata e riduzione dimensionalità.
Data mining: illustrazione ed utilizzo di algoritmi di clustering.
Attività pratica: utilizzo di Python® con le librerie Scikit-learn e Keras.