Course Syllabus
Obiettivi
Formare la figura professionale dell'analista dati tramite la metodologia informatica del machine learning.
L'obiettivo viene perseguito;
- fornendo competenze di progettazione, sviluppo e documentazione di studi di machine learning,
- fornendo competenze su software open source professionale per l'estrazione della conoscenza a partire dai dati,
- stimolando e promuovendo il team working come metodo professionale di lavoro e collaborazione.
Al termine del corso lo studente avrà maturato competenze e conoscenze tali da progettare, sviluppare,
documentare e presentare uno studio di machine learning. (DdD 1, DdD 2).
Inoltre, l'organizzazione della prova d'esame, tramite un progetto di gruppo da sviluppare e documentare, consentirà al candidato di sviluppare capacità critica (DdD 3), di comunicazione (DdD 4), mentre la disponibilià di materiale da leggere, suggerito dal docente consentirà al candidato di proseguire in modo autonomo lo studio e l'approfondimento della materia (DdD 5).
Contenuti sintetici
I contenuti del corso sono i seguenti:
- Esplorazione dei dati, per ispezionare e sintetizzare i dati disponibili e per progettare e sviluppare un workflow di pre‑processing.
- Classificazione supervisionata, per apprendere una mappatura dagli attributi in input agli attributi in output o target da classificare o predire.
- Classificazione non supervisionata, per formare gruppi omogenei di osservazioni e/o attributi utilizzando una data misura di prossimità.
Il corso include inoltre due moduli verticali:
- Dai modelli linguistici statistici ai modelli linguistici neurali; questo modulo introduttivo illustra l’evoluzione dei modelli linguistici, dagli approcci statistici basati su N‑grammi alle architetture neurali e ai moderni Large Language Models (LLM). Gli studenti acquisiranno una panoramica dei concetti fondamentali relativi alla rappresentazione del linguaggio, al neural language modeling e al paradigma pretraining–fine‑tuning che alimenta i sistemi di IA contemporanei.
- Un’introduzione graduale alle Reti Bayesiane Causali; questo modulo verticale introduce le reti bayesiane causali, un modello grafico probabilistico ampiamente utilizzato in diversi domini applicativi come economia, sanità e medicina.
Imparerai a sviluppare workflow di machine learning utilizzando la piattaforma open source KNIME. Non è richiesto programmare, anche se, qualora lo desiderassi, KNIME consente di utilizzare potenti e professionali linguaggi di programmazione open source e ambienti software commerciali: R, Weka, Matlab, Python, Java, …
Programma esteso
Esplorazione dei dati e Pre-Processing
- Tipi di dati ed attributi
- Esplorazione dei dati, grafica e tabellare
- Trattamento delle osservazioni mancanti
- Pre-processamento dei dati
Classificazione Supervisionata
- Introduzione alla classificazione supervisionata
- Tecniche di classificazione supervisionata; reti neurali, classificatori Bayesiani, alberi di decisione, ...
- Misure di prestazione, procedure di valutazione e comparazione di classificatori
- Classi sbilanciate e problemi di classificazione non binaria
Classificazione Non Supervisionata
- Introduzione alla classificazione non supervisionata
- Misure di prossimità per attributi continui, nominali, ordinali
- Algoritmi di clustering; k-means,algoritmi gerarchici, dbscan, opossum, ...
- Misure di prestazione, procedure di valutazione e comparazione delle soluzioni di clustering
Prerequisiti
Sono utili nozioni base di informatica, calcolo delle probabilità e statistica.
Modalità didattica
L’intero corso è reso disponibile in formato digitale in lingua Inglese. Il corso si compone di lezioni audio-narrate sia per la componente metodologica che per la componente pratica, vale a dire l’impiego di software open source per il machine learning. Lo studente è stimolato a verificare il proprio livello di apprendimento tramite esercizi guidati da realizzarsi con l’impiego del software open source presentato a lezione. Il corso rende inoltre disponibili circa 170 quiz a risposta multipla, tramite la piattaforma Moodle, per consentire allo studente di verificare il proprio livello di preparazione.
- 14 lezioni da 2 ore svolte in modalità erogativa in presenza.
- 9 esercitazioni da 2 ore svolte in modalità erogativa in presenza.
Materiale didattico
Materiale audiovisivo, slides, dataset e workflow progettati e realizzati dai docenti del corso.
https://www-users.cse.umn.edu/~kumar001/dmbook/index.php
https://github.com/kerasking/book-1/blob/master/ML%20Machine%20Learning-A%20Probabilistic%20Perspective.pdf
Periodo di erogazione dell'insegnamento
Primo semestre
Modalità di verifica del profitto e valutazione
La verifica prevede una prova di 4 ore durante la quale il/la candidato/a è chiamato/a a rispondere a 6 quiz (1 punto per ogni risposta corretta) e 1 domanda a riposta aperta (fino a 9 punti) (DdD 5). Inoltre, verrà assegnato un porblema di machine learning da risolvere. Nello specifcio verrà presentato un problema, fornito un dataset e si dovrà progettare e sviluppare un workflow KNIME (DdD 3, DdD 4) (ogni nodo del workflow andrà commentato utilizzando le funzionalità offerte dalla piattaforma KNIME, vengono assegnati massimo 10 punti), e si dovranno redigere delle slide secondo un template fornito dal docente (fino ad un massimo di 5 punti. Infine, dietro richiesta del/la candidato/a è possibile richiedere una prova orale che assegna un punteggio compreso tra -3 e +3 punti.
Non sono previste prove in itinere.
Il workflow e le slides verranno valutati in base ai seguenti criteri;
- Merito tecnico; accuratezza e correttezza del workflow (fino a 10 punti)
- Chiarezza espositiva e di comunicazione delle idee, includendo leggibilità e visione critica of the slides (fino a 5 punti)
Orario di ricevimento
Su appuntamento, inviare mail a fabio.stella@unimib.it
Sustainable Development Goals
Aims
To train the data analysis expert according to the machine learning methodology.
The goal is achieved by;
- teaching how to design, develop and present machine learning projects,
- exploiting open source platforms, languages and software,
- stimulating the team working methodology.
At the end of the course the student will gain skills and knowledge so as to design, develop, document and present a machine learning study. (DdD 1, DdD 2).
Moreover, the organization of the exam, through a group project to be developed and documented, will allow the candidate to develop critical thinking skills (DdD 3) and communication skills (DdD 4), while the availability of reading materials suggested by the instructor will enable the candidate to continue studying and deepening their understanding of the subject independently (DdD 5).
Contents
The course contents are the following;
- Data Exploration to inspect and summarize the available data and to design and develop a pre-processing workflow,
- Supervised Classification, to learn a mapping from input attributes to output or target attributes to be classified or predicted,
- Unsupervised Classification, to form homogeneous groups of observations and/or attributes using a given proximity measure,
The course also hosts 2 vertical topics
- From Statistical to Neural Language Models; This focused module introduces the evolution of language models, from statistical approaches based on N-grams to neural architectures and modern Large Language Models (LLMs). Students will gain an overview of the key concepts underlying language representation, neural language modeling, and the pretraining–fine-tuning paradigm that powers today's AI systems.
- A gentle introduction to Causal Bayesian Networks; This vertical module introduces causal Bayesian networks, a probabilistic graphical model which is widely applied to several application domains as economy, healthcare and medicine.
You will learn how to develop machine learning workflows using the KNIME open source software platform. You are not required to code any programs while if you want KNIME allows to use powerful and professional open source programming languages and commercial software environments; R, Weka, Matlab, Python, Java, ...
Detailed program
Data Exploration and Preprocessing
- Data types and attributes
- Graphical and tabular data exploration
- Missing data treatment
- Data Pre-Processing
Supervised Classification
- Introduction
- Techniques, models and algorithms; artficial neural nets, Bayesian classifiers, decision trees, ...
- Performance measures to evaluate and compare classifiers
- Unbalanced classes and non binary classification
Unsupervised Classification
- Introduction
- Proximity measures for nominal, ordinal and continuous attributes
- Techniques, models and algorithms; partitioning, hierarchical, graph based, density based, ...
- Performance measures to evaluate and compare clustering solutions
Prerequisites
Basic knowledge on; informatics, probability calculus and statistics.
Teaching form
Teaching is achieved by classes. The entire course is also available in digital form consisting of video lectures for theory and hands-on. The course material is organized through learning paths where lecture modules consist of theoretical lecture, hand-on lecture and self-evaluation sessions. Self-evaluation session offers a powerful and effective resource to online learning, i.e. after the class has taken place, The course makes available 170 quizzes to allow students to fairly assess their understanding level and to train for the exam.
- 14 lectures of 2 hours each of erogative nature delivered in physical presence.
- 9 hands-on lectures of 2 hours each of erogative nature delivered in physical presence.
Textbook and teaching resource
Video-lectures, slides, datasets and workflows designed and developed by the teacher.
https://www-users.cse.umn.edu/~kumar001/dmbook/index.php
https://github.com/kerasking/book-1/blob/master/ML%20Machine%20Learning-A%20Probabilistic%20Perspective.pdf
Semester
First semester
Assessment method
The examination consists of a 4‑hour test during which the candidate is required to answer 6 quizzes (1 point for each correct answer) and 1 open‑ended question (up to a maximum of 9 points) (DdD 5). In addition, a machine learning problem will be assigned. Specifically, a problem will be presented, a dataset will be provided, and the candidate will be required to design and develop a KNIME workflow (DdD 3, DdD 4) (each node of the workflow must be commented using the functionalities offered by the KNIME platform; up to 10 points are awarded). The candidate must also prepare slides following a template provided by the instructor (up to 5 points). Finally, upon request, the candidate may take an oral exam, which assigns a score between –3 and +3 points.
No midterm assessments are scheduled.
The workflow and the slides will be evaluated according to the following criteria:
- Technical merit, accuracy, and correctness of the workflow (up tp 10 points).
- Clarity of presentation and communication of ideas, including readability and critical insight of the slides (up to 5 points).
Office hours
By appointment, send and email to fabio.stella@unimib.it
