This course provides an overview of Machine Learning (ML) methods that are meant for streaming data and that force the learner to operate in an online or incremental manner. These settings are often encountered in real-world applications, e.g., to select sponsored links for Internet advertising, or to detect frauds in credit card transaction. The online setting poses relevant challenges to classical data-driven solutions since i) the model has to integrate new pieces of information as soon as they become available, ii) the learning algorithm has to adapt to the current operating conditions, iii) the learning algorithms have to be computationally efficient, to be executed in real-time.
The objective of the Machine Learning course is to give an in depth presentation of the techniques most used for pattern recognition, knowledge discovery, and data analysis/modeling. These techniques are presented both from a theoretical (i.e., statistics and information theory) perspective and a practical one (i.e., coding examples) through the descriptions of algorithms and their implementations in general purpose programming languages. At the end of this class, the students are expected to: be familiar with the most widely used techniques for pattern recognition, knowledge discovery, and data analysis/modeling; be able to write simple programs or scripts implementing them; apply them to the bionformatic analysis of biological data.
Il corso si propone di fornire una visione d'insieme delle potenzialità offerte all'analisi e dalla modellazione informatica di problemi reali, e di formare gli studenti a comprendere i principi che stanno alla base di un futuro utilizzo e interazione con i sistemi informatici. Il corso presenta i concetti fondamentali della programmazione con riferimento all'uso del linguaggio C, le tecniche di programmazione con riferimento a uno strumento di calcolo numerico, e le caratteristiche dei sistemi informatici enfatizzandone gli aspetti di integrazione.
Gli obiettivi che il corso si propone sono molteplici. Se da un lato intende dare una visione d'insieme delle potenzialità offerte dall'informatica nei suoi diversi ambiti di applicazione, dall'altro chiede agli studenti di comprendere i principi della programmazione. La didattica relativa si svolge sia ex cathedra sia in laboratorio. L'attività sperimentale in laboratorio costituisce lo strumento più adatto per verificare l'adeguatezza e la correttezza della modellizzazione derivante dall'analisi informatica di un problema reale.
Politecnico di Milano, Docenza, a.a. 2019-2020, 2021-2022
Università degli studi di Bergamo, Docenza, a.a. from 2017-2018 to 2019-2020
Politecnico di Milano, Esercitazioni, a.a. from 2014-2015 to 2022-2023
Politecnico di Milano, Docenza, a.a. from 2018-2019 to today
Politecnico di Milano, Esercitazioni, a.a. from 2014-2015 to 2017-2018
Politecnico di Milano, Docenza, a.a. from 2020-2021 to 2022-2023