SIGNAL PROCESSING FOR BIG DATA ANALYTICS
(obiettivi)
Il corso intende fornire gli strumenti per l'analisi di grandi moli di dati (audio, video, testo) generati dagli odierni sistemi di informazione e comunicazione, e dai relativi servizi offerti. Competenze derivanti da settori di computer science, statistica e ottimizzazione saranno introdotti per fornire i mezzi atti a comprendere, disegnare e implementare metodi che consentano di gestire complesse moli di dati, e trasformarle in informazione utile e semanticamente rilevante. A tale scopo sono introdotti principi avanzati di teoria dell'informazione (sparse coding, compressive sensing, random matrices) principi di inferenza statistica, metodologie di clusterizzazione dei dati osservati, predizione analitica, e principi di ottimizzazione vincolata tramite elementi di teoria dei giochi.
|
Codice
|
20810152 |
Lingua
|
ITA |
Tipo di attestato
|
Attestato di profitto |
Crediti
|
6
|
Settore scientifico disciplinare
|
ING-INF/03
|
Ore Aula
|
42
|
Attività formativa
|
Attività formative caratterizzanti
|
Canale Unico
Docente
|
MAIORANA EMANUELE
(programma)
Il corso intende fornire gli strumenti per l'analisi di grandi moli di dati (audio, video, testo) generati dagli odierni sistemi di telecomunicazione e dai relativi servizi offerti. A tale scopo sono introdotti principi di inferenza statistica nella prima parte del corso. Successivamente viene illustrata la teoria alla base dei principali metodi di machine learning, includendo regressione, classificazione lineare e riduzione della dimensione delle osservazioni. Vengono infine presentate le tecniche di deep learning maggiormente impiegate, includendo reti neurali convoluzionali (CNN), ricorrenti (RNN), e loro combinazioni. Vengono inoltre trattati contenuti avanzati di deep learning riguardanti reti siamesi, rilevamento di oggetti, modelli generativi e reti avversarie. Sono previste esercitazioni pratiche in Matlab e Python per mostrare l'applicazione a casi reali delle tecniche mostrate.
(testi)
Slide del corso.
|
Date di inizio e termine delle attività didattiche
|
Dal 02/03/2020 al 12/06/2020 |
Modalità di erogazione
|
Tradizionale
|
Modalità di frequenza
|
Non obbligatoria
|
Metodi di valutazione
|
Prova orale
|
|
|