Insegnamento
MACHINE LEARNING PER LA BIOINGEGNERIA
INP4063695, A.A. 2016/17
MACHINE LEARNING PER LA BIOINGEGNERIA
INP4063695, A.A. 2016/17
Principali informazioni sull'insegnamento
| Corso di studio |
Corso di laurea magistrale in BIOINGEGNERIA IN0532, ordinamento 2011/12, A.A. 2016/17 |
 |
|---|---|---|
| Crediti formativi | 6.0 | |
| Denominazione inglese | MACHINE LEARNING FOR BIOENGINEERING | |
| Dipartimento di riferimento | Dipartimento di Ingegneria dell'Informazione (DEI) | |
| Sito E-Learning | https://elearning.dei.unipd.it/course/view.php?idnumber=2016-IN0532-000ZZ-2015-INP4063695-N0 | |
| Obbligo di frequenza | No | |
| Lingua di erogazione | INGLESE | |
| Sede | PADOVA |
Docenti
| Responsabile | ENRICO GRISAN | ING-INF/06 |
|---|
Dettaglio crediti formativi
| Tipologia | Ambito Disciplinare | Settore Scientifico-Disciplinare | Crediti |
|---|---|---|---|
| CARATTERIZZANTE | Ingegneria biomedica | ING-INF/06 | 6.0 |
Modalità di erogazione
| Periodo di erogazione | Secondo semestre |
|---|---|
| Anno di corso | II Anno |
| Modalità di erogazione | frontale |
Organizzazione della didattica
| Tipo ore | Crediti | Ore di Corso |
Ore Studio Individuale |
Turni |
|---|---|---|---|---|
| LEZIONE | 6.0 | 48 | 102.0 | Nessun turno |
Commissioni d'esame
| Commissione | Dal | Al | Membri |
|---|---|---|---|
| 2 A.A. 2016/2017 | 01/10/2016 | 15/03/2018 |
GRISAN
ENRICO
(Presidente)
BERTOLDO ALESSANDRA (Membro Effettivo) BADIA LEONARDO (Supplente) DI CAMILLO BARBARA (Supplente) PEDERSEN MORTEN GRAM (Supplente) ROSSI MICHELE (Supplente) |
| 1 A.A. 2015/2016 | 01/10/2015 | 15/03/2017 |
GRISAN
ENRICO
(Presidente)
DI CAMILLO BARBARA (Membro Effettivo) BADIA LEONARDO (Supplente) BERTOLDO ALESSANDRA (Supplente) ROSSI MICHELE (Supplente) SPARACINO GIOVANNI (Supplente) |
| Prerequisiti: | Basi i probabilità e di algebra lineare |
| Conoscenze e abilita' da acquisire: | Il corso (in inglese) introduce lo studente ad una varietà di argomenti di apprendimento automatico e riconoscimento statistico, applicaati alla ingegneria biomedica.
La prima parte del corso tratta di metodi di apprendimento con supervisione, fornendo una panoramica di metodi classici per la regressione e la classificazione, sia lineari che non-lineari. La seconda parte del corso presenta una piccola panoramica di metodi di apprendimento senza supervisione, con particalre riguardo ai metodi di clustering e di riduzione della dimensionalità. Infine, saranno presentati metodi per incrementare i risultati di classificatori deboli, ed una descrizione introduttiva di metodi di apprendimento sparsi. |
| Modalita' di esame: | Esame orale e tesina pratica utilizzando Matlab. |
| Criteri di valutazione: | La valutazione sarà basata sull'acquisizione e comprensione degli argomenti trattati durante le lezioni o assegnati agli studenti, e sull'abilità di applicare praticamente i metodi appresi. |
| Contenuti: | PART I: Supervised Learning
Linear models Linear classification and linear regression. Extending linear models through nonlinear transforms. Logistic regression, maximum likelihood, and gradient descent. The principled choice of error measures. Learning with noisy target. Training and testing. Generalization ability of a learning model. Learning from a finite sample. Validation: model selection, cross validation. The VC Dimension, Bias-Variance Tradeoff Discriminant analysis Nearest neighbours Neural Networks: Backpropagation learning algorithm, hidden layers. Regularization: hard and soft constraints, augmented error and weight decay. Support vector machines: the kernel trick, using soft margins, primal and dual form. PART II: Unsupervised learning Cluster analysis: K-means Clustering, Mixtures of Gaussians and the EM estimation Dimensionality reduction: Factor analysis, Principal Component Analysis (PCA), Independent component analysis (ICA), Linear discriminant analysis revisited PART III: Ensamble methods & sparse methods Additive models and exponential loss AdaBoost and its variants L1 optimization for feature selection Dictionary learning (if time allows) |
| Attivita' di apprendimento previste e metodologie di insegnamento: | Lezioni in classe e laboratorio |
| Eventuali indicazioni sui materiali di studio: | |
| Testi di riferimento: |
|
