QUESTO SITO UTILIZZA I COOKIE PER MIGLIORARE SERVIZI ED ESPERIENZA DEI LETTORI. SE DECIDI DI CONTINUARE LA NAVIGAZIONE CONSIDERIAMO CHE ACCETTI IL LORO USO.

ABBIAMO AGGIORNATO LA PRIVACY POLICY E LA COOKIE POLICY PER RENDERLE PIÙ CHIARE E TRASPARENTI E PER INTRODURRE I NUOVI DIRITTI CHE IL REGOLAMENTO TI GARANTISCE.

Stampa

Introduzione al Machine Learning

Titolo:
Introduzione al Machine Learning
Quando:
Ven, 11. Giugno 2021, 10:30 h - 12:00 h
Dove:
On-Line - On-Line
Categoria:
Formazione GARR
Comunità:
Ricerca scientifica, Ricerca biomedica, Beni culturali, Università, Scuola, Musica e Arte

Descrizione

L'incontro sarà trasmesso in streaming su GARR.tv ed i canali social del GARR (facebook e youtube)

Il webinar propone una introduzione al machine learning nel contesto più ampio dell'estrazione di conoscenza dai dati. Saranno approfonditi alcuni aspetti di base quali l'apprendimento supervisionato e non supervisionato, le modalità di utilizzo dei dati ai fini dell'apprendimento e le metriche per la valutazione dei modelli basati su machine learning. Saranno presentate le principali classi di algoritmi di machine learning di utilizzo pratico con particolare riferimento alle reti neurali.

Docente

Antonio Pecchia: Docente di Data Science presso l'Università degli Studi del Sannio di Benevento, dove è in servizio da Dicembre 2019. Ha conseguito il dottorato di ricerca in Ingegneria Informatica e Automatica presso l'Università degli Studi di Napoli Federico II. E' uno dei fondatori di Critiware, azienda nell’ambito dell’ingegnera dei sistemi critici. Egli svolge attività di ricerca sui sistemi distribuiti affidabili e sicuri basata su tecniche di analisi dei dati operazionali, machine learning ed ingegneria del software, ed è co-autore di circa 70 articoli scientifici. Ha ricoperto il ruolo di chair e membro di comitato di programma in numerose conferenze di rilevanza internazionale. E' stato guest editor per la prestigiosa rivista IEEE Transactions on Dependable and Secure Computing

Maggiori informazioni


Sede

Location:
On-Line
Citta`:
On-Line
 Condividi
 Condividi