Le reti neurali artificiali sono modelli multivariati che possono essere applicati nel campo della modellistica previsiva e delle problematiche di pattern recognition. Il corso tratta sia la parte teorica sia la parte pratica relative alla costruzione di reti neurali, in particolare gli algoritmi MLP (multi-layer perceptron) e RBF (radial basis function).

Data analyst e data modeler interessati ad approfondire l’applicazione delle tecniche delle reti neurali a problemi di previsione supervisionata.

Previsione supervisionata
• Panoramica sulla stima della funzione multivariate

Architettura della rete
• Costruzione di reti di tipo MLP e di tipo RBF

Addestramento
• Teoria statistica delle funzioni d’errore
• Pregi e difetti dei vari metodi di ottimizzazione numerica

Complessità del modello
• Strategie per evitare l’overfitting  
• Weight decay e early stopping

Tipologia di modelli applicati
• Analisi discriminante
• Reti neurali per l’analisi di serie storiche (auto regressione non lineare)
• Reti neurali additive generalizzate