Visitando il nostro sito, l'utente accetta la nostra Informativa sulla privacy per quanto riguarda i cookie, le statistiche di tracciamento, ecc.

Apprendimento automatico

Questo modulo esplora l'apprendimento automatico, concentrandosi sugli algoritmi e sui modelli che consentono ai computer di imparare e di fare previsioni o decisioni basate sui dati. Copre le tecniche di apprendimento supervisionato, non supervisionato e di rinforzo, insieme alle applicazioni pratiche in aree quali il riconoscimento delle immagini, l'elaborazione del linguaggio naturale e l'analisi predittiva.

Portale > Intelligenza artificiale > Apprendimento automatico

Costruttore di programmi di studio

Visualizza il curriculum

Sutton, Richard S. e Andrew G. Barto. Apprendimento per rinforzo: An Introduction. Seconda edizione. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Barber, David. Ragionamento bayesiano e apprendimento automatico. 1a ed. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Teoria dell'informazione, inferenza e algoritmi di apprendimento. Cambridge University Press, 2003.

Bishop, Christopher M. Pattern Recognition and Machine Learning. Scienza dell'informazione e statistica. New York: Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh e Ameet Talwalkar. "Introduzione". In Foundations of Machine Learning, 504. The MIT Press, 2018.

https://mitpress.mit.edu/9780262039406/foundations-of-machine-learning/

Murphy, Kevin P. "Capitolo 24: Inferenza Markov Chain Monte Carlo (MCMC)" e "Capitolo 25: Clustering". In Machine Learning A Probabilistic Perspective. Londra, Inghilterra: The MIT Press, 2012.

Wyner, Abraham J., Matthew Olson, Justin Bleich e David Mease. "Explaining the Success of AdaBoost and Random Forests as Interpolating Classifiers", arXiv, 29 aprile 2017.

http://arxiv.org/abs/1504.07676

Hastie, Trevor, Robert Tibshirani e Jerome Friedman. Gli elementi dell'apprendimento statistico: Data Mining, Inferenza e Predizione. 2a ed. Springer Series in Statistics. New York, NY: Springer New York, 2009.

https://doi.org/10.1007/978-0-387-84858-7

Wasserman, Larry. Tutto sulla statistica: A Concise Course in Statistical Inference. Springer Texts in Statistics. New York, NY: Springer New York, 2004.

https://doi.org/10.1007/978-0-387-21736-9

Grazie per esserti iscritto alla nostra newsletter!

Grazie! RSVP ricevuto per Sutton, Richard S. e Andrew G. Barto. Apprendimento per rinforzo: An Introduction. Seconda edizione. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Sutton, Richard S. e Andrew G. Barto. Apprendimento per rinforzo: An Introduction. Seconda edizione. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Caricamento...

Caricamento...