Il materiale didattico è costituito da slide e note di lezioni.
Argomenti del programma: Il contenuto dell'insegnamento è articolato come nel programma sosttostante seguendo la stessa articolazione temporale riportata (1 lezione = 2 ore didattcai frontale). 1. Introduction. (3 lezioni) Definition of learning systems. Goals and applications of machine learning (classification and regression). Basics on statistical learning theory (Vapnik Chervonenkis bound). Underfitting and Overfitting.
Optimization And Decision Science Canale unico
Ingegneria civile e industriale · esame facoltativo · 6 CFU · apri nel catalogo
Il docente non ha ancora pubblicato i testi per questo canale.
Cosa indica di studiare il docente
Dispense a cura della docente
Argomenti del programma: Modelli prescrittivi/predittivi/descrittivi nella teoria delle decisioni a. Dai dati ai modelli; parametri endogeni/esogeni; b. Modelli di programmazione matematica (MP); c. Classificazione dei MP: ottimizzazione non lineare non vincolata, ottimizzazione vincolata (non lineare/lineare, continua/integrale). Ottimizzazione convessa e concava a. Insieme convesso b.
Lab Of Decision Science Canale unico
Ingegneria civile e industriale · esame facoltativo · 3 CFU · apri nel catalogo
Il docente non ha ancora pubblicato i testi per questo canale.
Cosa indica di studiare il docente
Dispense, slide, file Excel disponibili su classroom
Argomenti del programma: 1. I Modelli prescrittivi i. Modelli di Programmazione Matematica ii. Modelli di Programmazione Lineare 2. Modelli predittivi parametrici 3. Utilizzo di fogli elettronici (Excel) o di matlab per la soluzione di problemi di programmazione matematica
Optimization And Decision Science Canale unico
Ingegneria civile e industriale · esame facoltativo · 6 CFU · apri nel catalogo
Il docente non ha ancora pubblicato i testi per questo canale.
Cosa indica di studiare il docente
Dispense a cura della docente
Argomenti del programma: Modelli prescrittivi/predittivi/descrittivi nella teoria delle decisioni a. Dai dati ai modelli; parametri endogeni/esogeni; b. Modelli di programmazione matematica (MP); c. Classificazione dei MP: ottimizzazione non lineare non vincolata, ottimizzazione vincolata (non lineare/lineare, continua/integrale). Ottimizzazione convessa e concava a. Insieme convesso b.
Optimization And Decision Science Canale unico
Ingegneria civile e industriale · esame facoltativo · 6 CFU · apri nel catalogo
Il docente non ha ancora pubblicato i testi per questo canale.
Cosa indica di studiare il docente
Dispense a cura della docente
Argomenti del programma: Modelli prescrittivi/predittivi/descrittivi nella teoria delle decisioni a. Dai dati ai modelli; parametri endogeni/esogeni; b. Modelli di programmazione matematica (MP); c. Classificazione dei MP: ottimizzazione non lineare non vincolata, ottimizzazione vincolata (non lineare/lineare, continua/integrale). Ottimizzazione convessa e concava a. Insieme convesso b.
Optimization Methods For Data Science Canale unico
Ingegneria dell'informazione, informatica e statistica · 1º anno · 1º semestre · 6 CFU · apri nel catalogo
Il materiale didattico è costituito da slide e note di lezioni.
Argomenti del programma: Il contenuto dell'insegnamento è articolato come nel programma sosttostante seguendo la stessa articolazione temporale riportata (1 lezione = 2 ore didattcai frontale). 1. Introduction. (3 lezioni) Definition of learning systems. Goals and applications of machine learning (classification and regression). Basics on statistical learning theory (Vapnik Chervonenkis bound). Underfitting and Overfitting.
Optimization Methods For Machine Learning Canale unico
Ingegneria dell'informazione, informatica e statistica · 2º anno · 1º semestre · 6 CFU · apri nel catalogo
Il materiale didattico è costituito da slide e note di lezioni.
Argomenti del programma: Il contenuto dell'insegnamento è articolato come nel programma sosttostante seguendo la stessa articolazione temporale riportata (1 lezione = 2 ore didattcai frontale). 1. Introduction. (3 lezioni) Definition of learning systems. Goals and applications of machine learning (classification and regression). Basics on statistical learning theory (Vapnik Chervonenkis bound). Underfitting and Overfitting.
Domande frequenti
Quali libri consiglia il prof. Laura Palagi per Optimization Methods For Machine Learning?
Deep Learning - Goodfellow, Bengio, Courville - 2016
Quali libri consiglia il prof. Laura Palagi per Optimization And Decision Science?
Il docente non ha ancora pubblicato i testi.
Quali libri consiglia il prof. Laura Palagi per Lab Of Decision Science?
Il docente non ha ancora pubblicato i testi.
Quali libri consiglia il prof. Laura Palagi per Optimization And Decision Science?
Il docente non ha ancora pubblicato i testi.
Quali libri consiglia il prof. Laura Palagi per Optimization And Decision Science?
Il docente non ha ancora pubblicato i testi.
Quali libri consiglia il prof. Laura Palagi per Optimization Methods For Data Science?
Deep Learning - Goodfellow, Bengio, Courville - 2016
Quali libri consiglia il prof. Laura Palagi per Optimization Methods For Machine Learning?
Deep Learning - Goodfellow, Bengio, Courville - 2016