Tecniche di Machine Learning con MATLAB

Il Machine Learning è un campo di ricerca multidisciplinare, le cui implicazioni tecnologiche e gli interessi industriali connessi sono sempre più rilevanti nell’ambito delle metodologie quantitative a supporto delle decisioni. Ad esempio, gli algoritmi di Machine Learning sono utilizzati per la costruzione di modelli previsivi, per la classificazione dei rischi, per le stime delle probabilità di default, etc.
In questo webinar introdurremo alcune delle tecniche di Machine Learning disponibili in MATLAB e, cercando di enfatizzarne le motivazioni applicative attraverso l’illustrazione di case study, analizzeremo e confronteremo i risultati ottenuti, cercando di scegliere la tecnica che meglio si adatta al problema in analisi.

Il codice illustrato è disponibile al seguente link:
MathWorks File Exchange

Parleremo di reti supervisionate e reti senza supervisione, incluse

• techniche di clustering dei dati come la K-means
• reti neurali
• alberi decisionali e ensemble learning
• classificazione di tipo Naïve Bayes
• modelli di regressione lineare, logistica e non lineare

Francesca Perino è in MathWorks dal gennaio 2002 ed attualmente è uno degli Application Engineer del team Italiano. Per diversi anni, come sviluppatore software, ha utilizzato MATLAB per lo sviluppo di modelli e algoritmi.
Francesca si è laureata in Fisica a Torino con un percorso orientato alla Fisica Computazionale. In MathWorks Francesca si occupa principalmente di MATLAB, dei tool di matematica/statistica/ottimizzazione e di calcolo parallelo e dell'integrazione di MATLAB in ambienti terzi.