PERIODO: GENNAIO 2018

Programma delle lezioni:


1. Introduzione alla complessità computazionale

2. Ottimizzazione nel machine learning

3. Introduzione all’inferenza bayesiana

4. Problemi inversi e macchine di Boltzmann

5. Il problema di Ising inverso con applicazioni alla predizione di contatti in proteine

6. Interpretazione probablistica del machine learning

7. Algoritmi di apprendimento

8. Teorema del percettrone

9. Capacità di reti neurali: il conto della Gardner

10. Introduzione alle reti profonde



Syllabus:


1. Introduction to computational complexity

2. Optimization in machine learning

3. Introduction to Bayesian inference

4. Inverse problems and Boltzmann machines

5. The inverse Ising problem with application to protein contacts predictions

6. Probabilistic interpretation of machine learning

7. Learning algorithms

8. The perceptron theorem

9. Neural network capacity: Gardner computation

10. Introduction to deep learning





Gennaio 2018, date: 8-9-10, 16-17-18, 26, 29-30-31 orario 17-19
Prima lezione, 8-1-2018 ore 17, aula Perucca.
Le altre aule per le lezioni successive verranno comunicate.