Note

  1. Concetti fondamentali. Concetti fondamentali del ML

  2. Probability recall. Richiami di probabilità

  3. Loss and training. Funzioni loss e gradient descent

  4. Probabilistic learning. Modelli probabilistici per il ML

  5. Linear regression. Regressione lineare

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

  7. Linear classification. Metodi per la classificazione lineare

  8. Modelli generativi. Modelli generativi per classificazione

  9. Modelli discriminativi. Modelli discriminativi per la classificazione

  10. Classificazione non parametrica Modelli non parametrici per la classificazione

  11. Neural Introduzione alle reti neurali