Introduction to Bayesian Learning

Tra gli argomenti trattati figurano: il paradigma dell’apprendimento bayesiano: distribuzioni a priori e a posteriori, stima bayesiana puntuale, intervalli di credibilità, verifica delle ipotesi, regressione lineare e logistica. Approcci bayesiani nell’apprendimento automatico, con particolare attenzione all’ottimizzazione bayesiana, alle reti neurali bayesiane e ai test A/B bayesiani.

Per quanto riguarda gli aspetti più computazionali, tratteremo: integrazione Monte Carlo, catene di Markov, metodi Monte Carlo basati su catene di Markov (MCMC), MCMC adattivo, diagnostica di convergenza MCMC, calcolo bayesiano approssimativo.

Prerequisiti. Introduzione all’inferenza statistica: nozioni di popolazione, campione, stimatore puntuale, intervallo di confidenza, verifica delle ipotesi, regressione lineare. È altamente consigliabile aver frequentato il corso “Introduzione alla scienza dei dati” o un corso simile che tratti le basi dell’inferenza statistica.

Gli studenti comprenderanno le principali differenze tra l'approccio bayesiano e quello frequentista all'apprendimento statistico.

Saranno in grado di stimare un modello bayesiano e di fornire le relative quantificazioni dell'incertezza. Impareranno inoltre come alcuni algoritmi di apprendimento automatico possano essere integrati e/o interpretati in un quadro bayesiano.

• Istruzione di qualità

In presenza

Le lezioni settimanali saranno integrate da esercitazioni e attività pratiche (con notebook in R / Python)

La partecipazione in aula è una componente importante della valutazione del corso e corrisponde al 10% del voto finale.
È previsto un esame finale, che costituirà il 90% del voto finale.

L’esame consisterà in un progetto comprendente un’analisi statistica dei dati svolta utilizzando gli strumenti inferenziali introdotti durante il corso. Gli studenti dovranno consegnare il codice in R o Python, una presentazione in PPT e una relazione finale in PDF, nella quale saranno descritti i dati, le domande di ricerca, l’analisi svolta, le conclusioni e le possibili direzioni di ricerca future.

Il progetto sarà presentato e discusso, con possibili domande sugli argomenti trattati durante le lezioni.