Prof. Elena Agliari

Argomenti del programma: Cenni a statistica descrittiva ed inferenziale con esempi Concetti fondamentali in apprendimento statistico Misure di accuratezza: loss di addrestamento e di test Tradeoffs bias-varianza Stima del rischio Cross-validation Caso non supervisionato: score, stima di massima verosimiglianza Modelli normali multivariati Apprendimento bayesiano: introduzione e definizioni Apprendimento bayesiano: esempi, approssimazione…

• Dispense del docente, disponibili su classroom

Argomenti del programma: Il corso inizia con l'introduzione di semplici modelli di neuroni e reti neurali, trattati come sistemi dinamici, la cui indagine può essere affrontata con tecniche analitiche. Successivamente, si passerà a modelli più sofisticati che saranno studiati da una prospettiva meccanico-statistica. A questo scopo, verranno richiamati i concetti di base della meccanica statistica e della teoria dell'informazione.

• Dispense del docente, disponibili su classroom

Argomenti del programma: Il corso inizia con l'introduzione di semplici modelli di neuroni e reti neurali, trattati come sistemi dinamici, la cui indagine può essere affrontata con tecniche analitiche. Successivamente, si passerà a modelli più sofisticati che saranno studiati da una prospettiva meccanico-statistica. A questo scopo, verranno richiamati i concetti di base della meccanica statistica e della teoria dell'informazione.

Argomenti del programma: Prima parte: Analisi matematica. 1. Insiemi e funzioni: Insiemi e prodotto cartesiano.Funzioni: dominio, codominio, immagine e grafico. Funzioni elementari: lineari, quadratiche, potenze e radici, reciproche, esponenziali, logaritmiche, trigonometriche, valore assoluto e funzione parte intera. 2. Limiti e continuità: Definizione di limite e continuità.

Argomenti del programma: Cenni a statistica descrittiva ed inferenziale con esempi Concetti fondamentali in apprendimento statistico Misure di accuratezza: loss di addrestamento e di test Tradeoffs bias-varianza Stima del rischio Cross-validation Caso non supervisionato: score, stima di massima verosimiglianza Modelli normali multivariati Apprendimento bayesiano: introduzione e definizioni Apprendimento bayesiano: esempi, approssimazione…

Argomenti del programma: Matematica di Base. Numeri e operazioni algebriche; equazioni e disequazioni; rappresentazione geometrica dei numeri reali, nozioni fondamentali di geometria analitica (retta e piano cartesiano, distanza tra due punti nel piano cartesiano, concetto di modulo). Algebra Lineare.