Questo corso fornisce le basi delle tecniche di machine learning, con esempi relativi all'utilizzo di dati telerilevati o al raggiungimento di risultati di interesse utilizzando dati telerilevati. Poiché gli approcci più recenti in questo settore sono in continua evoluzione, il corso cercherà di fornire le basi rispetto ai risultati più recenti.
Prerequisiti
Conoscenze di base di fisica (onde elettromagnetiche), sensori di telerilevamento (passivi e attivi) e dati (numeri digitali, livelli di elaborazione).
Metodi didattici
Lezioni frontali ed esercitazioni utilizzando software ad accesso aperto.
Verifica Apprendimento
Valutazione di un caso di studio e relazione su un argomento correlato agli interessi di ricerca del candidato.
Testi
Verranno fornite le diapositive utilizzate dal docente insieme ad un elenco di libri e articoli di letteratura rilevanti.
Contenuti
Introduzione al Machine-Learning Bayesian Classifiers Nearest-Neighbor Classifiers Linear and Polynomial Classifiers Artificial Neural Networks Decision Trees Voting Assemblies Performance Evaluation & Statistical Significance Multi-Label Classification Unsupervised Learning Genetic Algorithms Reinforcement Learning Deep Learning