Introduzione al ML. Introduzione al machine learning

Concetti fondamentali. Concetti fondamentali del ML

Probability recall. Richiami di probabilità

Loss and training. Funzioni loss e gradient descent

Probabilistic learning. Modelli probabilistici per il ML

Linear regression. Regressione lineare

Non parametric regression. Metodi non parametrici per la regressione

Linear classification. Metodi per la classificazione lineare

Modelli generativi. Modelli generativi per classificazione

Modelli discriminativi. Modelli discriminativi per la classificazione

Classificazione non parametrica Modelli non parametrici per la classificazione

Neural Introduzione alle reti neurali

SVM Support vector machines

Decision trees Alberi di decisione

Ensemble Metodi ensemble: bagging e boosting

Clustering Metodi di clustering

Riduzione di dimensionalità Riduzione di dimensionalità: PCA, FA

Deep learning Introduzione al deep learning