DEEP LEARNING AND SCIENTIFIC COMPUTING
DEEP LEARNING AND SCIENTIFIC COMPUTING
| A.A. | CFU |
|---|---|
| 2024/2025 | 8 |
| Docente | Ricevimento studentesse e studenti | |
|---|---|---|
| Sara Montagna |
Assegnato al Corso di Studio
| Giorno | Orario | Aula |
|---|
| Giorno | Orario | Aula |
|---|
Obiettivi Formativi
L'insegnamento ha come obiettivo fornire gli elementi necessari alla comprensione dei fondamenti del deep learning, con riferimento agli algoritmi di addestramento e ad alcune tra le principali architetture di reti neurali artificiali stato dell'arte.
Programma
01. Introduzione all'Intelligenza Artificiale
01.01 Cenni storici
01.02 Problemi tipici affrontati nell'ambito dell'Intelligenza Artificiale
01.03 Principali ambiti applicativi
02. Machine Learning
02.01 Introduzione al Machine Learning
02.02 Classificazione, regressione e clustering
02.03 Pipeline
02.04 Principali algoritmi
03. Le reti neurali
03.01 Il percettrone come elemento di base
03.02 Reti neurali multistrato totalmente connesse (MLP)
03.03 Algoritmo di discesa del gradiente
03.04 Backpropagation
04. Architetture di deep learning
04.01 Reti neurali convoluzionali (CNN)
04.02 Reti neurali ricorrenti (RNN)
Materiale Didattico
Il materiale didattico predisposto dalla/dal docente in aggiunta ai testi consigliati (come ad esempio diapositive, dispense, esercizi, bibliografia) e le comunicazioni della/del docente specifiche per l'insegnamento sono reperibili all'interno della piattaforma Moodle › blended.uniurb.it
| « torna indietro | Ultimo aggiornamento: 14/01/2025 |
