I materiali pubblicati sul sito costituiscono rielaborazioni personali del Publisher di informazioni apprese con la frequenza delle lezioni e lo studio autonomo di eventuali testi di riferimento in preparazione all’esame finale o della tesi. Non devono intendersi come materiale ufficiale dell’università attribuibile al docente del corso.
…continua
Ultimi appunti inseriti
Appunti più scaricati
Appunti per nome

Filtra per

Tutte le tipologie

Ordina

Filtra

Appunti degli studenti per corsi ed esami del Prof. Baralis Elena

icona-appunti
icona-appunti

Explainable and Trustworthy AI - Appunti completi (XAI, SHAP, LIME, CBM, Grad-CAM, LLM) Premium

Esame Explainable ai

Facoltà Ingegneria dell'informazione iii

Dal corso del Prof. E. Baralis

Università Politecnico di Torino

Appunti esame
Scarica
Appunti completi, approfonditi e dettagliati per la preparazione dell'esame di Explainable and Trustworthy AI del corso di Laurea Magistrale in Ingegneria Informatica / Intelligenza Artificiale e Data Science presso il Politecnico di Torino (Anno Accademico 2025/2026). Il testo copre in modo esaustivo l'intero spettro dell'Intelligenza Artificiale Affidabile e della Spiegabilità (XAI), unendo il quadro normativo-etico a dimostrazioni matematiche rigorose, visualizzazioni, diagrammi architetturali e algoritmi all'avanguardia. Il materiale (oltre 220 pagine) è organizzato in 14 macro-aree tematiche: Trustworthy AI & Requisiti UE: pilastri dell'AI Act e GDPR, analisi dei bias e casi studio reali (diagnostica sanitaria, COMPAS, Amazon recruiting, Gemini, Apple Card). Pre- e In-Modeling Explainability: Exploratory Data Analysis (EDA, Facets, YData Profiling), documentazione dei dati (Datasheets, Nutrition Labels), modelli trasparenti by design (alberi decisionali, regole, GAM, regressione logistica/odds ratio) e approccio TED (Teaching Explanations for Decisions). Post-Hoc Global & Local Explanations: Permutation Feature Importance, Partial Dependence Plots (PDP/ICE), modelli surrogati locali LIME (formulazione algebrica, kernel di prossimità), LORE (algoritmi genetici) e LACE. Removal-Based Methods & Teoria dei Giochi: metodo PredDiff, assiomi dei Valori di Shapley, algoritmo SHAP (KernelSHAP, TreeSHAP, summary/dependence plots e framework unificato). Gradient-Based & Concept-Based XAI: Vanilla Gradient, SmoothGrad, Grad-CAM, Integrated Gradients, TCAV (Testing with Concept Activation Vectors), Concept Bottleneck Models (CBM) e Concept Embedding Models (CEM). NLP, Controfattuali & Frontiere dell'AI: modelli sequenziali e Transformer (Multi-Head Attention, BERT, spiegabilità attenzionale), spiegazioni controfattuali (Wachter, DiCE), Interpretability Meccanicistica nelle CNN e nei Large Language Models (circuiti, feature visualization, motivi) e robustezza contro attacchi avversari (perturbazioni, patch fisiche, jailbreak LLM).
...continua
icona-appunti
icona-appunti

Machine Learning and pattern recognition - Appunti completi (PCA, LDA, modelli gaussiani, SVM, GMM) Premium

Esame Machine learning and pattern recognition

Facoltà Ingegneria dell'informazione iii

Dal corso del Prof. E. Baralis

Università Politecnico di Torino

Appunti esame
Scarica
Appunti completi, dettagliati e strutturati per la preparazione dell'esame di Machine Learning and pattern recognition del corso di Laurea Magistrale in Ingegneria Informatica / Data Science presso il Politecnico di Torino (Anno Accademico 2025/2026) del professore Sandro Cumani. Il materiale unisce un forte rigore matematico-statistico all'implementazione pratica del codice numerico in Python, coprendo in modo esaustivo la teoria decisionale bayesiana, i modelli generativi e discriminativi, e le tecniche di riduzione dimensionale, con passaggi algebrici completi, grafici e script. Il documento è suddiviso in 11 capitoli tematici: Librerie Numeriche per il ML: programmazione scientifica con NumPy (gestione di ndarray, slicing, broadcasting avanzato, algebra lineare) e data visualization con Matplotlib. Fondamenti e Pipeline di Classificazione: compiti di apprendimento supervisionato/non supervisionato, generalizzazione, rischio di overfitting/underfitting, cross-validation e partizionamento del dataset. Riduzione della Dimensionalità: Principal Component Analysis (PCA, massimizzazione della varianza, minimizzazione dell'errore di ricostruzione ed eigen-decomposition) e Linear Discriminant Analysis di Fisher (LDA, rapporto tra varianza Between-class e Within-class, diagonalizzazione congiunta/sbiancamento). Teoria della Probabilità e Stima: assiomi di Kolmogorov, Bayes, variabili continue/discrete, distribuzioni multivariate e stima di massima verosimiglianza (ML). Modelli Generativi (Gaussiani e Multinomiali): Gaussian Classifier completo, a covarianza condivisa (Tied) e Naive Bayes; modelli multinomiali per dati categorici/testuali (Bag of Words) con gestione delle parole rare e smoothing. Teoria della Decisione Bayesiana e Valutazione: Rischio di Bayes, matrici di confusione e di costo, Detection Cost Function (DCFu, minDCF, actDCF), log-likelihood ratio (LLR), curve ROC e DET. Modelli Discriminativi e Clustering: Regressione Logistica (pesata e multiclasse), Support Vector Machines (formulazione primale/duale, vincoli KKT, Soft-Margin e Kernel Trick), Gaussian Mixture Models (algoritmo EM con hard/soft assignment, LBG) e tecniche di Score Calibration (K-fold, point fusion).
...continua
icona-appunti
icona-appunti

Data Science e tecnologie per le basi di dati - Appunti completi (Data Warehouse, Data Mining, DBMS, NoSQL) Premium

Esame Data science

Facoltà Ingegneria dell'informazione iii

Dal corso del Prof. E. Baralis

Università Politecnico di Torino

Appunti esame
Scarica
Appunti completi, strutturati e approfonditi per la preparazione dell'esame di Data Science e tecnologie per le basi di dati del corso di Laurea Magistrale in Ingegneria Informatica presso il Politecnico di Torino (Anno Accademico 2024/2025). Il documento affronta in dettaglio l'intero ciclo di vita del dato, dalla modellazione analitica e data warehousing fino agli algoritmi di machine learning, all'architettura interna dei DBMS e ai sistemi distribuiti NoSQL, con spiegazioni discorsive, schemi logici, formule matematiche e query SQL avanzate. Il testo è suddiviso in 14 capitoli tematici: Data Warehousing e Data Mart: architetture a 2 e 3 livelli (staging area, ETL/ELT), progettazione concettuale DFM (fatti, dimensioni, misure, non-additività, slowly changing dimensions), schemi a stella e snowflake e viste materializzate in Oracle (query rewrite, fast/complete refresh). Analisi OLAP e SQL Analitico: operazioni multidimensionali (roll-up, drill-down, slice & dice, pivot), funzioni di finestra (OVER, PARTITION BY, finestre fisiche/logiche, medie mobili), ranking (RANK, DENSE_RANK) ed estensioni ROLLUP, CUBE e GROUPING SETS. Data Mining e Preprocessing: pulizia, sampling, riduzione dimensionale (PCA), normalizzazione (min-max, z-score), misure di similarità/distanza (Euclidea, Minkowski, Mahalanobis, Jaccard, Cosine), regole di associazione (Apriori, FP-Growth), classificazione (Decision Tree con Gini/Entropia, Random Forest, Naïve Bayes, k-NN, SVM, curve ROC) e clustering (K-Means, gerarchico agglomerativo, DBSCAN). Architettura Interna DBMS: buffer manager (politiche steal/force, fix/unfix), metodi di accesso (heap, indici B+-Tree, hash, bitmap), ottimizzazione algebrica e basata sui costi, algoritmi di join (nested loop, merge scan, hash join), affidabilità (file di log, WAL, commit precedence, warm/cold restart), controllo della concorrenza (CSR, VSR, 2PL, locking gerarchico) e trigger. Sistemi Distribuiti e NoSQL: 2-phase commit, frammentazione orizzontale/verticale, teorema CAP, modello BASE vs ACID e tassonomia NoSQL (Key-Value, Column, Graph, Document).
...continua
icona-appunti
icona-appunti

Svolgimento prove d'esame per lo scritto di Cultura e fondamenti di tecnologia dell'architettura Premium

Esame Cultura e fondamenti di tecnologia dell'architettura

Facoltà Architettura i

Dal corso del Prof. E. Baralis

Università Politecnico di Torino

Prove svolte
5 / 5
Scarica
Esercitazioni svolte in vista dell'esame di Cultura e fondamenti di tecnologia dell'architettura della professoressa Elena Piera Montacchini, sufficienti a superare la parte scritta dell'esame (mentre per la parte teorica vedere altro file caricato riguardante le Parti salienti) e a comprendere al meglio la materia in quanto tale.
...continua
icona-appunti
icona-appunti

Basi di dati - Esercizi Premium

Esame Basi di dati

Facoltà Ingegneria iv

Dal corso del Prof. E. Baralis

Università Politecnico di Torino

Esercitazione
4 / 5
Scarica
Quaderno numero 4 delle esercitazioni da consegnare per l'esame della professoressa Baralis. Gli argomenti che vengono trattati sono i seguenti: la gestione di una palestra, uno schema logico normalizzato, con soluzione degli esercizi che vengono proposti.
...continua
icona-appunti
icona-appunti

Basi di dati - Quaderno tre Premium

Esame Basi di dati

Facoltà Ingegneria iv

Dal corso del Prof. E. Baralis

Università Politecnico di Torino

Esercitazione
Scarica
Quaderno numero 3 delle esercitazioni di Basi di dati da consegnare per l'esame della professoressa Baralis. Gli argomenti trattati sono i seguenti: Per ogni nazione, visualizzare il numero massimo di quadri dipinti da un (singolo) pittore: risolvere l'esercizio.
...continua
icona-appunti
icona-appunti

Basi di dati - Esercitazione Premium

Esame Basi di dati

Facoltà Ingegneria iv

Dal corso del Prof. E. Baralis

Università Politecnico di Torino

Esercitazione
Scarica
Quaderno numero 2 delle esercitazioni di basi di dati da consegnare per l'esame di Basi di dati della professoressa Baralis. Gli argomenti che vengono trattati nell'esercitazione sono i seguenti: Visualizzare il codice, la marca, le dimensioni e il prezzo degli infissi che non sono mai stati venduti in quantità inferiori a 5.
...continua
icona-appunti
icona-appunti

Basi di dati - Esercitazioni Premium

Esame Basi di dati

Facoltà Ingegneria iv

Dal corso del Prof. E. Baralis

Università Politecnico di Torino

Esercitazione
Scarica
Quaderno numero 1 delle esercitazioni da consegnare per l'esame di Basi di dati della professoressa Baralis. Gli argomenti che vengono trattati sono i seguenti: Visualizzare il codice e il nome dei pittori che hanno esposto quadri esclusivamente per periodi (singoli) più lunghi di 30 giorni.
...continua