| METODI DI OTTIMIZZAZIONE PER BIG DATA
(obiettivi)
OBIETTIVI FORMATIVI:
L'obiettivo del corso è quello di introdurre all'ottimizzazione vincolata con attenzione alle applicazioni nel campo dell'addestramento di SVM (Support Vector Machine) e alla definizione di tecniche di clustering. Vengono descritti inoltre gli alberi di decisione.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Lo studente è introdotto alle conoscenze di ottimizzazione non lineare, soprattutto vincolata, e alla comprensione delle problematiche relative ai problemi di apprendimento supervisionato con particolare attenzione a problemi di classificazione e regressione. Vengono descritte tecniche diverse: SVM e alberi di decisione. Lo studente viene inoltre introdotto al problema di classificazione non supervisionata, che viene risolto tramite tecniche di clustering standard quali k-means e clustering gerarchico.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Una frazione significativa del corso è dedicata all'utilizzo pratico delle tecniche descritte teoricamente. Lo studente è incoraggiato – attraverso uso di software dedicati (implementati in R) –— ad applicare gli strumenti proposti su dataset reali e di letteratura.
AUTONOMIA DI GIUDIZIO:
Lo sviluppo di modelli di classificazione per dataset reali e l'implementazione per mezzo di pacchetti software, consente la verifica quantitativa della qualità delle soluzioni sviluppate dagli studenti. Parte dell'esame consiste nello sviluppo di progetti specifici in team di massimo due persone.
ABILITÀ COMUNICATIVE:
L'interpretazione dei risultati ottenuti (a valle della fase implementazione e computazione) costituisce una delle attività fondamentali del processo di definizione di una soluzione di un problema reale, a partire da un modello di classificazione. Questo tipo di attività obbliga lo studente a un confronto con i colleghi e con il docente in cui sono stimolate le sue capacità critiche e dialettiche.
CAPACITÀ DI APPRENDIMENTO:
Lo studente è esposto (attraverso il materiale didattico proposto) alla lettura di testi di riferimento (sia libri che articoli di ricerca) e alla scoperta di strumenti software recenti e in continuo sviluppo. Viene pertanto messo in condizione di attingere a diversi strumenti al fine di (i) acquisire nuove competenze, (ii) sapersi aggiornare in modo continuo e autonomamente, (iii) intraprendere corsi di approfondimento nell'ambito della disciplina.
|
