[Domande Esame] Machine Learning

Esame unico Gennaio-Febbraio 2019

L'esame è costituito da una parte progettuale di gruppo con presentazione (in inglese possibilmente) più orale singolo.

Domande 21-02-2019

• Regressione regolarizzata
• Funzioni di attivazione
• PCA x2
• Clustering gerarchico
• LSTM x2
• Stimatore Bayesiano
• Reinforcement learning
• Come si addestra una rete neurale
• Kernel trick
• DBSCAN algoritmo x2
• Algoritmo di Back Propagation x2
• Esercizio su DNN (ho una feature map di 32x32x1 quanti neuroni ci sono bla bla)
• Reti ricorrenti
• Tre funzioni di loss e esempi di architettura
• SVM equazioni sui vincoli, modifica con C
• RBF
• encoder-decoder recurrent nn
• K-means algoritmo (quando dà problemi che possono essere risolti da DBSCAN)
• EM
• MLP come si aggiorna il vettore dei pesi (gradiente discendente)
• KNN e NN con formule di errore, differenze, regioni di decisione
• Back Propagation: come si modificano i pesi nei livelli interni della rete?
• regressione logistica (in quale caso è migliore --> gaussiane, come si risolve --> gradiente discendente )
• reti di Kohonen

Domande 22-02-2019

• EM, K-means, Svantaggio di K-means
• Back-Propagation, aggiornamento dei pesi in uno strato hidden
• Classificatore Bayesiano, un esempio, Naive Bayes Classifier
• DBSCAN e differenza con K-means
• SVM lineare
• SVM non lineare
• Reinforcement Learning
• Reti ricorrenti
• PCA
• Reti di Kohonen
• Reti convoluzionali, strati convoluzionali, con esempio di calcolo (es 32x32, cosa accade se c’è stride, ad esempio con 10 feature. Pesi del primo strato? Ecc…)
• Regressione (lineare, lineare generalizzata, regolarizzazione)
• Regressione logistica

Allego la prova di quest'anno