L'apprendimento automatico (non viene insegnato nella primavera del 2021. Verificare la disponibilità), il campo di studio che offre ai computer la capacità di apprendere dai dati, è al centro di quasi tutte le discipline scientifiche e lo studio della generalizzazione (cioè la previsione) da i dati sono l'argomento centrale dell'apprendimento automatico. Questo corso fornisce un'introduzione di livello universitario all'apprendimento automatico e una copertura approfondita dei metodi nuovi e avanzati nell'apprendimento automatico, nonché della loro teoria sottostante. Sottolinea approcci con rilevanza pratica e discute una serie di recenti applicazioni dell'apprendimento automatico, come Data Mining (in Big Data / Data Science, Data Analytics), Natural Language Processing, Computer Vision, Robotica, Bioinformatica e Text and Web data processing. L'apprendimento automatico viene utilizzato in vari settori tra cui servizi finanziari, petrolio e gas, assistenza sanitaria, marketing e pubblicità, governo, Internet e Internet delle cose.
Questo corso copre una varietà di paradigmi di apprendimento, algoritmi, risultati teorici e applicazioni. Utilizza concetti di base di intelligenza artificiale, teoria dell'informazione, statistica e teoria del controllo nella misura in cui sono rilevanti per l'apprendimento automatico. Gli argomenti includono: apprendimento supervisionato (apprendimento generativo / discriminativo, apprendimento parametrico / non parametrico, reti neurali, macchine a vettori di supporto, albero decisionale, apprendimento e ottimizzazione bayesiana); apprendimento non supervisionato (clustering, riduzione della dimensionalità, metodi kernel); teoria dell'apprendimento (compromessi di bias / varianza; teoria VC; ampi margini); apprendimento per rinforzo e controllo adattivo. Altri argomenti includono HMM (Hidden Markov Model), Evolutionary Computing, Deep Learning (With Neural Nets) e la progettazione di algoritmi le cui prestazioni possono essere analizzate rigorosamente per problemi fondamentali di machine learning.
Una parte importante del corso è un progetto di gruppo. I principali strumenti open source utilizzati per l'apprendimento automatico parallelo, distribuito e scalabile verranno brevemente trattati per aiutare gli studenti a realizzare i progetti. (Unità 4) Prerequisito: nessuno.