Lucidi

  1. Introduzione al ML. Introduzione al machine learning

  2. Concetti fondamentali. Concetti fondamentali del ML

  3. Probability recall. Richiami di probabilità

  4. Loss and training. Funzioni loss e gradient descent

  5. Probabilistic learning. Modelli probabilistici per il ML

  6. Linear regression. Regressione lineare

  7. Non parametric regression. Metodi non parametrici per la regressione

  8. Linear classification. Metodi per la classificazione lineare

  9. Modelli generativi. Modelli generativi per classificazione

  10. Modelli discriminativi. Modelli discriminativi per la classificazione

  11. Classificazione non parametrica Modelli non parametrici per la classificazione

  12. Neural Introduzione alle reti neurali