Machine Learning per Tutti!

Approfondiremo i vari aspetti legati al machine learning, partendo dall’importanza di avere dati di qualità e affidabili per alimentare i nostri modelli, passando per concetti come l’interpretabilità degli algoritmi di machine learning e la loro capacità di spiegare le decisioni prese, fino ad arrivare a fare una panoramica dei principali algoritmi e approcci esistenti. Tutto questo introducendo chiaramente una serie di concetti fondamentali per la corretta comprensione degli argomenti di questo corso; concetti come l’overfitting dei modelli, ovvero il fenomeno per cui un modello si adatta troppo ai dati usati per addestrarlo e non riesce a generalizzare su nuovi dati, e altri concetti come le metriche per misurare efficacemente le performance delle nostre soluzioni e valutarne l’impatto.

Approfondiremo naturalmente anche l’importanza della componente umana negli approcci basati su Intelligenza Artificiale, sia dal punto di vista etico che operativo.

Lo scopo di questo modulo è di fornire una visione d’insieme del machine learning, evidenziandone i vantaggi e le sfide, nonché di introdurvi gradualmente in questo mondo affascinante e in continua evoluzione, partendo dalle basi teoriche su cui si fondano tutti gli approcci oggi allo stato dell’arte.

ARGOMENTI:

• Introduzione al Machine Learning

• Analisi descrittiva, predittiva e prescrittiva

• L’importanza della qualità dei dati

• Interpretabilità del Machine Learning

• Componente Umana

• Paradigmi di apprendimento automatico

• Il fenomeno dell’Overfitting

• Metriche per la valutazione ed il confronto

• Glossario