Il corso fornirà una panoramica dei principi alla base delle reti neurali e delle deep architectures, passando dagli approcci classici a quelli più recenti
Apprendere come utilizzare gli algoritmi di deep learning, inclusi gli approcci classici e le metodologie e paradigmi più recenti, comprendendo le problematiche di modellazione e computazionali sottostanti; imparare a costruire e valutare architetture complesse sfruttando diversi paradigmi di apprendimento.
Nell'ambito dell'insegnamento verrà fornita una panoramica delle reti neurali e delle deep architecture, partendo dai principi di base fino a concetti più avanzati. Verranno discussi i diversi tipi di architetture esistenti. Inoltre, verranno introdotte metodologie recenti per discutere problemi pratici relativi ad esempio ad aspetti computazionali, alla necessità di grandi quantità di dati e alla capacità di generalizzazione.
Le attività pratiche di laboratorio accompagneranno sempre le lezioni teoriche, fornendo una prospettiva pratica del problema e aiutando a migliorare la capacità di analisi critica dei risultati.
Basi di Machine Learning, programmazione (preferibilmente in Python)
Le lezioni teoriche saranno sempre accompagnate a sessioni pratiche di laboratorio
Occasionalmente verranno proposte attività di lavoro in gruppo, primariamente durante le lezioni di laboratorio.
Il corso coprità i seguenti argomenti:
Il materiale verrà messo a disposizione dai docenti sul modulo AulaWeb del corso.
Ricevimento: Ricevimento su appuntamento. Contattare il docente via Teams o via email.
NICOLETTA NOCETI (Presidente)
FRANCESCA ODONE
VITO PAOLO PASTORE (Presidente Supplente)
In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica: https://corsi.unige.it/corsi/11964/studenti-orario
L'esame consisterà in due parti
* Un progetto che prevederà consegna di materiale e una discussione orale (non previsto se numero di crediti < 9)
* Un esame orale
Indicazioni per studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali sono disponibili a partire da https://corsi.unige.it/corsi/11964/studenti-disabilita-dsa
L'esame valuterà la comprensione complessiva degli argomenti del corso, la capacità di generalizzare i concetti a problemi non visti e di analizzare i risultati ottenuti.
Si terrà conto della chiarezza espositiva, della completezza dei concetti, della qualità delle soluzioni proposte e del pensiero critico.
Per ulteriori informazioni, consultare il modulo Aulaweb dell'insegnamento o contattare il docente.
