Machine learning e laboratorio di analisi dei big data - Machine learning
-
Fondamenti di machine learning per la finanza
Classe: L-18
- A.A. 2024/2025
- CFU 6, 6(m)
- Ore 40, 40(m)
- Classe di laurea L-41, L-18(m)
È richiesta la conoscenza dei seguenti argomenti:
- Analisi matematica di base, in particolare il concetto di derivata e la regola di derivazione composta. Utile anche la conoscenza del concetto di gradiente
- Teoria della probabilità, in particolare il concetto di eventi dipendenti, di probabilità totale e il teorema di Bayes
- Fondamenti di algebra lineare
Le conoscenze richieste sono: fondamenti di analisi matematica (in particolare il concetto di derivata e la regola della derivata di una funzione composta), fondamenti di calcolo delle probabilità, fondamenti di informatica e fondamenti di algebra lineare.
Alla fine del corso lo studente avrà padronanza dei concetti fondamentali di machine learning nonché di un impianto teorico matematico di buon livello alla base dei piú diffusi algoritmi di machine learning.
Il programma di massima del corso, oltre a introdurre i concetti fondamentali di machine learning, prevede, tra l'altro, i seguenti argomenti: regressione lineare, classificazione, classificatore naive Bayes, text classification, regressione logistica, l'algoritmo k-NN, cenni alle reti neurali e al clustering.
(A) D. Jurafsky, J. H. Martin, Speech and Language Processing (3rd edition, draft), chapters 4--7
(A) V. Mirjalilli, S. Raschka, Machine Learning con Python, isbn 978-8850335244, Apogeo
(A) S. Ozdemir, Data Science, Apogeo
(C) C. M. Bishop, Patter Recognition and Machine Learning, Springer, isbn 978-0387-31073-2
Altre informazioni / materiali aggiuntivi
-
Il taglio del corso è principalmente teorico. Si intende infatti fornire quella conoscenza matematica atta a comprendere i fondamentali del machine learning. Sono dunque previste delle lezioni dove verrà introdotta la matematica del machine learning che interviene nei suoi principali algoritmi. Sono comunque previste delle lezioni meno teoriche dove le tecniche apprese verranno impiegate per la risoluzione di particolari applicazioni quali la text classification.
L'esame è scritto e con l'ausilio del computer. Verrà richiesto lo svolgimento di problemi. Saranno anche formulate domande teoriche. Non è possibile consultare testi durante l'esame. Non sono previste prove in itinere.
Italiano