ANN e SVM: prevedere e classificare

Come si riconoscono automaticamente testi e immagini? Come si individua lo spam? E un cattivo pagatore? Come si stima il valore di un immobile? Come si diagnostica precocemente una malattia? Introduzione alle Reti Neurali Artificiali e alle Macchine a Vettori di Supporto

A cosa servono le ANN e le SVM

Destinatari, didattica e calendario

Il campo di applicazione del Data Science è già oggi sterminato ed è in continua crescita. Le Reti Neurali Artificiali e le Macchine a Vettori di Supporto, in particolare, trovano applicazione in numerosi ambiti professionali, dal marketing alle vendite, dalla produzione alla qualità, dall’ingegneria al biomedicale. Il corso, di livello intermedio, è destinato a chi voglia conoscere i principali metodi di costruzione e addestramento delle ANN e SVM, combinando aspetti concettuali e pratica operativa. Le lezioni, infatti, mixano elementi teorici con esempi e applicazioni, sfruttando software piuttosto comuni.

Quota di partecipazione

600,00€.

La quota può variare in caso di personalizzazione del programma e si riferisce all’erogazione a un solo partecipante, in aula virtuale. Contatta il nostro Staff per informazioni sul costo del corso in caso di erogazione a due o più partecipanti.

Attestato

Al termine del corso si rilascia un attestato di partecipazione riportante il programma svolto e firmato dal corpo docente. Si può anche richiedere la certificazione delle conoscenze acquisite previo superamento di una prova d’esame.

Programma

1. Artificial Neural Networks: introduzione.

   Leggi di più

   Verranno introdotte le reti neurali artificiali di tipo feed forward, per trattare problemi di classificazione e di previsione sfruttando dataset di grandi dimensioni (big data). Dopo un cenno al background neurobiologico che ne ha ispirato la costruzione, verrà dato spazio all’architettura del percettrone multistrato, in particolare quello con un solo strato “nascosto”, base concettuale per reti più complesse. L’addestramento della rete tramite backpropagation e l’algoritmo gradient descent che ne consente l’implementazione completano il modulo.

2. Artificial Neural Networks: complementi.

   Leggi di più

   Verrà discussa una seconda tipologia di rete feed forward, detta radial basis function, che in certi contesti si fa preferire al multi-layer perceptron. Verranno inoltre ampliati alcuni concetti presentati nel primo modulo, ad esempio per migliorare l’efficienza dell’addestramento. Infine, benché le reti neurali artificiali vengano spesso – e non a torto – descritte come delle “black box”, qui si introdurrà una tecnica che consente di gettare una luce sulla relazione tra input e output del modello, rendendolo maggiormente interpretabile.

3. Support Vector Machines.

   Leggi di più

   Anche le macchine a vettori di supporto sono utilizzabili sia per la classificazione che per la previsione. Possono rivaleggiare con le reti neurali artificiali in quanto ad accuratezza e talvolta si lasciano preferire per la maggiore efficienza nell’addestramento. L’idea di fondo consiste nell’utilizzare dei classificatori lineari, dopo aver “proiettato” i dati in uno spazio di dimensione maggiore di quella dello spazio originario, dove risultino linearmente separabili, almeno con buona approssimazione.

4. Ensemble methods.

   Leggi di più

   Verranno presentati metodi che combinano molteplici classificatori (o previsori) per ottenerne uno più performante dei singoli componenti. Il guadagno in accuratezza previsiva è spesso notevole, sebbene venga sacrificata la chiarezza interpretativa del modello.

Personalizzazioni

Valutiamo diverse richieste di personalizzazione del programma: puoi aggiungere argomenti funzionali agli obiettivi formativi, o aggiungere prerequisiti, se pensi di non avere le conoscenze di base necessarie per seguire il corso; puoi richiedere di calibrare la didattica per dare più attenzione agli aspetti teorici o, viceversa, a quelli applicativi.

Vuoi maggiori informazioni?

• Scrivi allo Staff: info@matematicaonvideo.it
• Contatta il Responsabile SFA, Dott. Sandro Bencini, al 339.4169342.
• Prenota un appuntamento online con un nostro consulente per spiegarci le tue esigenze.
  
  

  Parliamone online