Il corso si divide in due moduli. Nel primo verranno introdotti i concetti relativi alla Data Science e all’Intelligenza artificiale, discutendone le applicazioni in vari contesti, e concentrandosi in seguito sul Machine Learning (ML), sulla classificazione supervisionata e sulle metriche di valutazione dei sistemi di apprendimento automatico.
Nel secondo modulo, i concetti appresi verranno messi in pratica, sviluppando processi di analisi basati su tecniche ML, e applicati ad obiettivi specifici, come la classificazione di testo e immagini, l’analisi automatica del sentiment, i sistemi di raccomandazione.

Modulo 1. Elementi di Data Science, Intelligenza Artificiale e Machine Learning
Data Science e Big Data Analytics: definizioni e concetti
Elementi di Intelligenza Artificiale: approcci simbolici e sub-simbolici
Machine Learning: predizione, classificazione e metriche di valutazione dei risultati
Reti Neurali e Deep Learning: definizione e concetti

Modulo 2. Applicazioni pratiche e casi studio
Applicazioni pratiche: classificazione automatica di testo e immagini
Sentiment analysis in pratica: approcci basati su lessico e approcci basati su apprendimento supervisionato
Recommender Systems: definizioni, concetti ed esempi.