diff --git a/pages/index.tsx b/pages/index.tsx index 03f7829..4f12e0f 100644 --- a/pages/index.tsx +++ b/pages/index.tsx @@ -176,6 +176,11 @@ const Home: NextPage = () => { Big data analytics + + + Machine learning + + diff --git a/pages/year4/machinelearning/index.tsx b/pages/year4/machinelearning/index.tsx new file mode 100644 index 0000000..4dc666f --- /dev/null +++ b/pages/year4/machinelearning/index.tsx @@ -0,0 +1,55 @@ +import {Heading, Chapter, Box, Idiomatic as I, Panel, ListUnordered, Parenthesis} from "@steffo/bluelib-react" +import type { NextPage, NextPageContext } from 'next' +import { Link } from '../../../components/link' +import { Warn1024 } from '../../../components/warn' + + +export async function getStaticProps(_context: NextPageContext) { + return { + props: {} + } +} + + +const Page: NextPage = () => { + return <> + + Machine learning + + + + + Premessa + +

+ TODO +

+ + + + + + Materiale raccolto + +

+ TODO +

+ + + + Appuntiweb + + + + + Appunti di teoria + + + + + + + +} + +export default Page diff --git a/pages/year4/machinelearning/teoria.tsx b/pages/year4/machinelearning/teoria.tsx new file mode 100644 index 0000000..ae0b82b --- /dev/null +++ b/pages/year4/machinelearning/teoria.tsx @@ -0,0 +1,111 @@ +import {Heading, Chapter, Box, ListUnordered, BringAttention as B, Idiomatic as I} from "@steffo/bluelib-react" +import type { NextPage, NextPageContext } from 'next' +import { Link } from '../../../components/link' +import 'katex/dist/katex.min.css'; +import TeX from "@matejmazur/react-katex" +const r = String.raw + +const X = () => +const Y = () => + +export async function getStaticProps(_context: NextPageContext) { + return { + props: {} + } +} + +const Page: NextPage = () => { + return <> + + + Machine learning + + + + + Concetto base + + + + Machine learning + +

+ L'obiettivo del machine learning è quello di costruire un modello matematico in grado di mappare tutti i valori di uno spazio di "input" a quelli di un altro spazio di "output" . +

+

+ +

+ + + + + + Supervised learning + +

+ Quando si è a conoscenza del dominio dello spazio di output , il machine learning è detto supervised learning. +

+

+ In particolare, i problemi risolti in questo caso sono detti: +

+ + + Problemi di binary classification se + + + Problemi di multi-class classification se + + + Problemi di regression se + + + + + + Unsupervised learning + +

+ Quando non si è a conoscenza del dominio dello spazio di output , il machine learning è detto supervised learning. +

+

+ In particolare, i problemi risolti in questo caso sono detti: +

+ + + Problemi di novelty detection se si cerca di capire se qualcosa è simile o nuovo rispetto agli elementi precedenti + + + Problemi di clustering se si cerca di trovare gruppi a cui potrebbero appartenere gli elementi + + + + + + + + Come un problema di ottimizzazione + +

+ Possiamo astrarre il machine learning come il seguente problema di ottimizzazione di minimizzazione dell'errore: +

+

+ +

+ + + + Loss function + + + + + Complessità della funzione + + + + + + +} + +export default Page