**Apprendimento Automatico**
[000413] LM in [Data Science](https://www.uniba.it/ricerca/dipartimenti/informatica/didattica/corsi-di-laurea/corsi/corso-di-laurea-magistrale-in-data-science-lm-91/cds-cds-computer-science-eng) 2019/20 -- II semestre
Dipartimento di [Informatica](https://www.di.uniba.it) -- [Università di Bari](https://www.uniba.it) Aldo Moro
Docente: [Nicola Fanizzi](https://www.di.uniba.it/~fanizzi)
# Presentazione
+ Da inserire
## Orario
Giorno | Aula | Ora
------:|:----:|:----:
lunedì | SILAD | 10:30-13:30
martedì | SILAD | 11:30-13:30
giovedì | SILAD | 10:30-13:30
[Tabella [orario]: Orario provvisorio lezioni (da confermare)]
## Ricevimento
[orario](https://www.uniba.it/docenti/fanizzi-nicola/attivita-didattica#section-0)
# Programma
__Programma Preliminare dell'Insegnamento__ (AA [2019/20](https://www.uniba.it/ricerca/dipartimenti/informatica/didattica/corsi-di-laurea/data-science/programmi-2019-20/ApprendimentoAutomaticoDS.pdf))
1. Introduzione al ML
2. Learning Supervisionato
3. _Teoria delle Decisioni Bayesiana_
4. Metodi Parametrici
5. Metodi Multivariati
6. _Riduzione della Dimensionalità_
7. Modelli non supervisionati
8. Metodi Non-parametrici
9. Alberi di Decisione
10. Discriminazione Lineare
11. Percettrone e Reti Neurali / MLP
12. Modelli Locali
13. Kernel Machine
14. _Modelli Grafici_
15. _Modelli Nascosti di Markov / HMM_
16. _Stima Bayesiana_
17. Combinazione di Learner Multipli
18. _Reinforcement Learning_
19. Progettazione e Analisi degli Esperimenti
## Libri di Testo
**Teoria**
+ E. Alpaydin: [Introduction to Machine Learning](https://mitpress.mit.edu/books/introduction-machine-learning-third-edition). 3rd Edition, MIT Press
**Esercitazioni**
+ D. Nedal, P. Morgan [Introduction to Machine Learning with Python](https://aisciences.net/) AI Sciences
## Altri testi di riferimento
**Teoria**
+ P. Flach: [Machine Learning](https://mlbook.cs.bris.ac.uk/): The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press
+ Hastie et al.: [The Elements of Statistical Learning](https://web.stanford.edu/~hastie/ElemStatLearn/): Data Mining, Inference, and Prediction. 2nd ed. Springer
+ T. Mitchell: [Machine Learning](https://www.cs.cmu.edu/~tom/mlbook.html). McGraw-Hill
+ Duda et al.: [Pattern Classification](https://www.wiley.com/en-it/Pattern+Classification,+2nd+Edition-p-9780471056690), 2nd ed. Wiley
+ K.P. Murphy: [Machine Learning: A Probabilistic Perspective](https://www.cs.ubc.ca/~murphyk/MLbook/). MIT Press
+ C. Bishop [Pattern Recognition and Machine Learning](#). Springer
**Esercitazioni**
+ S. Raschka: [Python Machine Learning](https://www.packtpub.com/big-data-and-business-intelligence/python-machine-learning-second-edition). 2nd ed. Packt
+ I. Witten et al.: [Data Mining: Practical Machine Learning Tools and Techniques](https://www.cs.waikato.ac.nz/ml/weka/book.html) 4th ed. Morgan Kaufmann
## Sequenza Argomenti
in corso di definizione
***************************************************************** *
* .---. .-. .-. .-. *
* | 1 +----->| 2 +----->| 4 +---->| 6 +------------------. *
* '---' '+' '+' ^ '+' | *
* | | / | | *
* v v / v v *
* .-. .-./ .-. .-. .----. *
* | 3 +----->| 5 +---->| 7 +------>| 8 +---->| 19 | *
* '-' '-' '-' '-' '----' *
****************************************************************
# E-Learning
[Piattaforma e-learning ADA](https://elearning.di.uniba.it)