Come le macchine imparano

Un’introduzione all’Apprendimento per Rinforzo

Scuola Estiva di Matematica applicata per studenti delle scuole superiori

Trento, 25-26 Agosto e 31 Agosto-04 Settembre 2020

Ti è mai capitato di aprire Netflix e accorgerti che i film e le serie tv suggerite nella home rispecchiano esattamente i tuoi gusti? Oppure di notare che la riproduzione casuale su Spotify ti propone proprio i brani che ti piacciono di più? È un caso? In realtà no.

Si chiama “reinforcement learning” o “apprendimento per rinforzo” ed è uno dei modi in cui le macchine imparano autonomamente dai dati, senza essere specificamente programmate per svolgere tale compito. Se ci pensiamo, non è molto diverso dal modo in cui noi esseri umani impariamo. Nel corso della vita svogliamo varie attività (leggere, osservare, parlare con gli altri …) da cui ricaviamo informazioni. Quello che facciamo poi è cercare delle regole generali che descrivano questa nostra relazione con il mondo esterno e, di volta in volta, migliorare queste regole (e la nostra conoscenza) sulla base delle nuove informazioni raccolte. I sistemi di raccomandazione utilizzati da Netflix o Spotify utilizzano proprio questo approccio per imparare dal comportamento e dalle preferenze degli utenti e proporre di volta in volta i contenuti più adatti.

In questa scuola estiva scopriremo la matematica che si nasconde dietro questo tipo di apprendimento, cercheremo esempi nella vita di tutti i giorni e applicheremo questi strumenti per risolvere alcuni problemi concreti.

Le lezioni saranno in lingua Italiana.

Obiettivi

Saranno appresi concetti di probabilità e di statistica necessari per capire come le macchine imparano. Attraverso l’uso del software R ne vedremo alcune applicazioni. La scuola si propone anche come un’occasione di orientamento per entrare in contatto con temi legati alla Matematica e alla Data Science.

Dove

Tutte le attività si svolgeranno da remoto attraverso l’uso di Zoom e Big Blue Button. Indicazioni per l’accesso saranno fornite direttamente ai partecipanti.

Ammissione e riconoscimento dell’attività come Alternanza Scuola Lavoro

La scuola è aperta ad un massimo di 12 studenti delle scuole superiori che hanno frequentato il 4 anno. Le studentesse e gli studenti interessati devono iscriversi compilando il modulo online entro il 30 Giugno 2020.

Se le domande di iscrizione dovessero superare il numero di posti disponibili, verrà predisposta una graduatoria in base al curriculum e alle motivazioni dichiarate dallo studente; in caso di parità verrà presa in considerazione la data di iscrizione.

La partecipazione alla scuola è gratuita; per gli studenti che ne hanno la necessità saranno messi a disposizione dei laptop per il periodo di svolgimento della scuola.

Se richiesto, la partecipazione può essere configurata come Alternanza Scuola Lavoro.

Prerequisiti

Sono richieste conoscenze di base nel calcolo delle probabilità e nella programmazione in un qualsiasi linguaggio.

Docente

Dott.ssa Monica Salvioli (Università di Trento)

Tutors

Dott.ssa Virginia Pieropan (Università di Trento)

Antonia Donvito (Università di Trento)

Enrico Marchi (Università di Trento)

Federico Sparapan (Università di Trento)

Programma della scuola

Materiale preparatorio

25/08/2020

[08:15-08:30] Saluto di benvenuto
[08:30-10:30] Introduzione al linguaggio R
[11:00-13:00] Laboratorio di introduzione ad R
[14:00-15:00] Sessione di laboratorio in piccoli gruppi con esercizi su R

Materiale

Lucidi
Lucidi con soluzione
Video della prima parte
Video della seconda parte
Newton

26/08/2020

[08:30-10:30] Introduzione alla programmazione in R
[11:00-13:00] Laboratorio di introduzione alla programmazione in R
[14:00-15:00] Sessione di laboratorio in piccoli gruppi con esercizi su R

Materiale

Lucidi
Lucidi
Video della prima parte
Video della seconda parte
R codice svolto da Monica sui vettori
R codice svolto da Monica sulle matrici
R codice svolto da Monica sui gafici
R codice svolto da Claudio
Scrittura e Lettura
Manipolazione
- Abeti
- Pini

31/08/2020

[08:30-10:30] Introduzione alla probabilità, alla probabilità condizionale e al teorema di Bayes
[11:00-13:00] Laboratorio con l’utilizzo di prob
[14:00-15:00] Sessione di laboratorio in piccoli gruppi

Materiale

Lucidi
Laboratorio
Video della prima parte
Video della seconda parte

01/09/2020

[08:30-10:30] Introduzione alle catene di Markov a spazi e stati discreti
[11:00-13:00] Laboratorio con l’utilizzo di markovchain
[14:00-15:00] Sessione di laboratorio in piccoli gruppi

Materiale

02/09/2020

[08:30-10:30] Introduzione alle catene di Markov decisionali a spazi e stati discreti
[11:00-13:00] Laboratorio con l’utilizzo di MDPtoolbox/MDPtoolbox.pdf
[14:00-15:00] Sessione di laboratorio in piccoli gruppi