I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher di informazioni apprese con la frequenza delle lezioni e lo studio autonomo di eventuali testi di riferimento in preparazioneall’esame finale o della tesi. Non devono intendersi come materiale ufficiale dell’università attribuibile al docente del corso o al relatore
…continua

Filtra per

Tutte le tipologie
Tutte le tipologie

Ordina

Filtra

Appunti di Ingegneria - Università degli studi di Napoli Federico II

Appunti esame Machine Learning. Sezione dedicata al Deep Learning e alle principali architetture neurali. Il contenuto tratta reti neurali profonde, funzioni di loss, regularization, early stopping, mini-batch SGD, dropout e inizializzazione dei pesi. Approfondisce inoltre CNN, convoluzione, pooling, transfer learning, autoencoder, RNN e LSTM, con una piccola introduzione finale ai metodi probabilistici, alla regola di Bayes e alla massima verosimiglianza.
...continua
Appunti esame Machine Learning. Approcci oltre l’apprendimento supervisionato e non supervisionato classico. Sono trattati: semi-supervised learning, EM, clustering per la classificazione, co-training, Co-EM, multi-instance learning, metodi kernel-based, Random Forest, Rotation Forest, boosting e classificazione multi-classe tramite codici a correzione di errore.
...continua
Appunti esame Machine Learning. Trasformazione dei dati e sulla riduzione della dimensionalità. Sono discusse: feature selection, metodi filter e wrapper, Recursive Feature Elimination, Correlation-Based Feature Selection, discretizzazione supervisionata e non supervisionata, proiezioni, PCA, Partial Least Squares, campionamento e introduzione al Deep Learning.
...continua
Appunti esame Machine Learning. Modelli instance-based ed estensione dei modelli lineari. In particolare sono trattati il K-Nearest Neighbor, varianti IB2, IB3 e IB4, classificatori basati su iper-rettangoli, similarity K*, Support Vector Machine, iperpiano a massimo margine, support vectors, funzioni kernel e regressione localmente pesata.
...continua

Esame Geometria I

Facoltà Ingegneria

Schemi e mappe concettuali
4 / 5
Formulario di tutto il programma di Geometria I per fare l’esame a fine corso; appunti contenenti definizioni e dimostrazioni dettati e spiegati in maniera specifica dal professore, sono presenti anche teoremi.
...continua

Esame Analisi 1

Facoltà Ingegneria

Appunti esame
Appunti universitari di Analisi matematica I per studenti della Federico II, pensati per preparare l’esame in modo rapido, ordinato e mirato. Il file contiene teoria essenziale, formule principali, esempi svolti, spiegazioni semplici e box con gli errori più comuni da evitare. Argomenti trattati: insiemi numerici, funzioni, dominio, limiti, continuità, derivate, studio di funzione, integrali e tecniche base di calcolo. Ideale per ripassare prima dell’esame, fissare i concetti fondamentali e avere uno schema chiaro degli argomenti più richiesti.
...continua

Esame Informatica

Facoltà Ingegneria

Appunti esame
Appunti di Informatica A.A. 2025/2026 sulle basi della programmazione: spiegazioni chiare, sintassi, esempi pratici, esercizi svolti e schemi riassuntivi utili per studiare velocemente e ripassare facilmente.
...continua

Esame Analisi 1

Facoltà Ingegneria

Appunti esame
Appunti sulle funzioni elementari di Analisi 1 A.A. 2025/2026: spiegazioni chiare, grafici, proprietà, dominio, limiti ed esercizi svolti utili per comprendere e ripassare velocemente gli argomenti principali.
...continua

Esame Analisi 1

Facoltà Ingegneria

Appunti esame
Appunti sulle funzioni elementari di Analisi 1, A.A. 2025/2026: spiegazioni chiare, grafici, proprietà, dominio, limiti ed esercizi svolti utili per comprendere e ripassare velocemente gli argomenti principali.
...continua
Appunti di Machine learning. Approfondimento della costruzione di alberi e regole, con particolare attenzione ai criteri di selezione dei test, alla gestione di valori mancanti e attributi numerici, al pruning e agli algoritmi rule-based. Sono trattati anche RIPPER e l’estrazione di regole dai Partial Decision Tree.
...continua
Appunti di Machine learning. Spiegazione di come valutare correttamente un modello, distinguendo tra errore sul training set e capacità di generalizzazione su dati nuovi. Vengono introdotti concetti come error rate, accuracy, training set, validation set, test set, hold-out e intervalli di confidenza.
...continua

Esame Machine learning

Facoltà Ingegneria

Appunti esame
4 / 5
Appunti di Machine learning. Presentazione degli algoritmi fondamentali per affrontare classificazione, associazione, regressione e clustering. Sono trattati metodi semplici ma essenziali come 1R, Naive Bayes, alberi decisionali, regressione lineare/logistica, percettrone, nearest neighbor, k-means e clustering gerarchico.
...continua
Appunti di Machine learning. Introduzione della struttura fondamentale di un sistema di machine learning, partendo dagli input — concetti, istanze, attributi e dataset — fino ad arrivare alle principali forme di output e rappresentazione della conoscenza. Vengono analizzati i diversi tipi di problemi, tra cui classificazione, associazione, clustering e predizione numerica, insieme alle modalità con cui i modelli possono restituire conoscenza: tabelle, modelli lineari, alberi decisionali, regole di classificazione e associazione, rappresentazioni instance-based e output di clustering.
...continua
Il documento di Geometria e Algebra lineare tratta geometria e algebra lineare: sistemi lineari, eliminazione gaussiana, matrici, spazi vettoriali, basi, rango, applicazioni lineari, determinanti, autovalori, diagonalizzazione e prodotti scalari.
...continua
Il documento di Geometria e Algebra lineare tratta geometria e algebra lineare: sistemi lineari, eliminazione gaussiana, matrici, spazi vettoriali, basi, rango, applicazioni lineari, determinanti, autovalori, diagonalizzazione e prodotti scalari.
...continua
Il documento di Geometria e Algebra lineare tratta geometria e algebra lineare: sistemi lineari, eliminazione gaussiana, matrici, spazi vettoriali, basi, rango, applicazioni lineari, determinanti, autovalori, diagonalizzazione e prodotti scalari.
...continua
Il documento di Geometria e Algebra lineare tratta geometria e algebra lineare: sistemi lineari, eliminazione gaussiana, matrici, spazi vettoriali, basi, rango, applicazioni lineari, determinanti, autovalori, diagonalizzazione e prodotti scalari.
...continua
Argomento di Geometria e Algebra lineare, domande e risposte: geometria lineare, con spazi vettoriali, basi, dipendenza lineare, rango, sistemi lineari, autovalori, autovettori, diagonalizzazione, prodotto scalare e sottospazi.
...continua
Esercizi svolti di Geometria e Algebra lineare. Il documento presenta esercizi svolti di Geometria e Algebra lineare: cambi di base, matrici associate, autovalori, autovettori e diagonalizzazione, con passaggi di calcolo scritti a mano.
...continua
Principali teoremi richiesti per l’esame di Geometria e algebra lineare. teorema di Steinitz, formula di Grassmann, teorema della dimensione, Criterio di diagonalizzazione, teorema di Rouche-Capelli, schema riassuntivo di definizioni e concetti fondamentali.
...continua