Machine Learning nell'era dei Big Data: algoritmi scientifici per la modellazione, analisi e creazione di nuova conoscenza dai dati

Il Machine Learning è senza dubbio una delle più affascinanti e innovative tecnologie in via di sviluppo destinata a rivoluzionare le nostre vite e il nostro mondo. Con questo elaborato si tenta di fornire una guida riassuntiva in lingua italiana che illustri e spieghi alcuni tra i più importanti algoritmi di apprendimento statistico usati oggigiorno in ambito Intelligenza Artificiale, affrontando le teorie con un discreto formalismo matematico necessario ad una comprensione puntuale, e dandone qualche dimostrazione sperimentale con problemi pratici. Affronteremo algoritmi di Supervised Learning come la Regressione Lineare e Regressione Logistica, il Support Vector Machine e le Reti Neurali Artificiali con accenno al grande campo di ricerca del Deep Learning; algoritmi di Unsupervised Learning come il K-mean Clustering, il Principal Component Analysis e l’Anomaly Detection; parte della teoria di apprendimento per il loro miglioramento ed infine alcuni algoritmi speciali riguardanti i Recommender System, Content-based e Collaborative Filtering; un ultimo importante focus è dato dall’integrazione degli algoritmi su larga scala grazie all’uso dei Big Data, fenomeno sempre più importante e decisivo non solo per il mondo del business.

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher MattStef di informazioni apprese con la frequenza delle lezioni di Intelligenza Artificiale e Statistical Learning e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Milano - Unimi o del prof Manzi Giancarlo.
Trova ripetizioni online e lezioni private