Il corso intende introdurre il discente alla teoria ed alle applicazioni del machine learning, in particolare il deep learning.
Il corso intende fornire al discente le conoscenze allo stato dell’arte, sia in termini di algoritmi/modelli sia di strumenti, per affrontare problemi utilizzando tecniche di machine learning.
L’obiettivo principale del corso è che lo studente giunga a possedere un’ampia conoscenza delle tecniche di deep learning allo stato dell’arte (reti dense, convoluzionali, ricorrenti). Per ogni argomento trattato, lo studente avrà l’opportunità di apprendere le basi teoriche, e di studiare alcuni esempi applicativi. Esercizi sono proposti, e solitamente risolti in classe, per ogni argomento, al fine di stimolare l’applicazione e verificare l’acquisizione delle conoscenze. Gli esempi ed esercizi del corso utilizzeranno il linguaggio python e la libreria Keras/Tensorflow.
I risultati di apprendimento riguardano la realizzazione degli obiettivi formativi di cui sopra, anche attraverso l’analisi di casi applicativi.
Fondamenti di programmazione (in particolare python)
Verrà offerto inizialmente un ciclo di seminari sulla programmazione, per permettere a tutti di seguire il corso in maniera regolare
Lezioni frontali, con utilizzo di slide, ed esempi/esercizi svolti al PC (o in tele-didattica, se reso necessario), utilizzando principalmente la libreria Keras/Tensorflow, inlinguaggio python. Ricevimento studenti. Proposta, realizzazione e discussione di un progetto.
Machine learning
Genetic algorith
A. Geron, Hands-On Machine Learning With Scikit-Learn and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent, O’ Reilly
I. Goodfellow, Y. Bengio and A. Courville, Deep Learning, The MIT Press
Appunti del corso e altro materiale suggerito dal docente durante il corso
Ricevimento: Su appuntamento: mail (francesco.bellotti@unige.it) o Teams o dopo lezione
FRANCESCO BELLOTTI (Presidente)
ALBERTO CABRI (Presidente Supplente)
https://easyacademy.unige.it
Esame scritto e/o orale sugli argomenti trattati a lezione
La verifica delle conoscenze acquisite e la capacità di applicarle anche in contesti diversi da quelli presentatui a lezione verranno valutate tramite domande nel colloquio o nella prova scritta d’esame.
La valutazione terrà anche presente la partecipazione dello studente durante il corso.
