Machine learning and statistical learning
A.A. 2025/2026
Obiettivi formativi
The course introduces students to the most important algorithmical and statistical machine learning tools. The first part of the course focuses on the statistical foundations and on the methodological aspects. The second part is more hands-on, with laboratories to help students develop their software skills.
Risultati apprendimento attesi
Upon completion of the course students will be able to:
1. understand the notion of overfitting and its role in controlling the statistical risk
2. describe some of the most important machine learning algorithms and explain how they avoid overfitting
3. run machine learning experiments using the correct statistical methodology
4. provide statistical interpretations of the results.
1. understand the notion of overfitting and its role in controlling the statistical risk
2. describe some of the most important machine learning algorithms and explain how they avoid overfitting
3. run machine learning experiments using the correct statistical methodology
4. provide statistical interpretations of the results.
Periodo: Secondo quadrimestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Secondo quadrimestre
Programma
Il programma è condiviso con i seguenti insegnamenti:
- [FBA-51](https://www.unimi.it/it/ugov/of/af20260000fba-51)
- [FBA-51](https://www.unimi.it/it/ugov/of/af20260000fba-51)
Moduli o unità didattiche
Machine Learning
INF/01 - INFORMATICA - CFU: 6
Lezioni: 40 ore
Docente:
Cesa Bianchi Nicolo' Antonio
Turni:
Turno
Docente:
Cesa Bianchi Nicolo' Antonio
Statistical Learning
SECS-S/01 - STATISTICA - CFU: 6
Lezioni: 40 ore
Docente:
Salini Silvia
Turni:
Turno
Docente:
Salini SilviaDocente/i
Ricevimento:
Il ricevimento studenti è il martedì dalle 10.00 alle 13.00 o in presenza o via Teams (meglio fissare un appuntamento) - Il ricevimento di martedì prossimo, per altri impegni accademici, non sarà svolto. Contattare il docente per un altro appuntamento.
DEMM, stanza 30, 3° p oppure su Teams