PRESENTAZIONE

Nel corso vengono trattate le principali tematiche relative alla Interazione Uomo-Macchina. In particolare, sono forniti i principi teorici, i modelli e le metodologie per la realizzazione di sistemi interattivi basati su calcolatore e adattati alle esigenze degli utenti.Inoltre, tramite lo svolgimento di progetti monografici sono acquisite le abilità operative per la progettazione e realizzazione di sistemi interattivi per introduzione/acquisizione dati, apprendimento, comunicazione.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso intende trattare le principali tematiche relative alla Interazione Uomo-Macchina. In particolare intende presentare i principi teorici, i modelli e le metodologie per la realizzazione di sistemi interattivi basati su calcolatore e adattati alle esigenze degli utenti. Inoltre, tramite lo svolgimento di progetti monografici si propone di far acquisire allo studente le abilità operative per la progettazione e realizzazione di sistemi interattivi per introduzione/acquisizione dati, apprendimento, comunicazione.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

L’obiettivo princiaple 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, basate sull’attenzione). 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.

Il progetto che verrà concordato per l’esame è finalizzato a stimolare e verificare le capacità progettuali ed implementative dello studente, oltre alla verifica operativa sul campo di una parte significativa delle conoscenze acquisite.

I risultati di apprendimento riguardano la realizzazione degli obiettivi formativi di cui sopra, anche attraverso l’implementazione di un progetto. Al termine del corso lo studente sarà in grado di analizzare e progettare soluzioni di deep learning in vari tipi di applicazioni.

MODALITA' DIDATTICHE

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.

PROGRAMMA/CONTENUTO

Machine learning

• Multilayer perceptron
• Training deep neural networks
• Pre-training and fine tuning
• Optimizers
• Regularization
• Convolutional neural network architectures
• Object detectors
• Processing of sequences
• Recurrent neural networks
• Bi-directional neural networks
• Attention mechanisms
• Auto-encoders
• Generative adversarial networks
• Explainable machine learning

TESTI/BIBLIOGRAFIA

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

DOCENTI E COMMISSIONI

Commissione d'esame

FRANCESCO BELLOTTI (Presidente)

LUCIO MARCENARO (Presidente Supplente)

LEZIONI

INIZIO LEZIONI

https://easyacademy.unige.it  

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

L'esame prevede una prova scritta e lo svolgimento di un progetto monografico riguardante la progettazione e realizzazione di sistemi interattivi per introduzione/acquisizione dati, apprendimento, comunicazione. In alternativa, i soli studenti frequentanti possono sostituire la prova scritta con una valutazione continua e dettagliata nel corso delle lezioni del livello di conoscenze acquisite.

MODALITA' DI ACCERTAMENTO

Vengono valutati l'acquisizione dei concetti contenuti nel corso, e la capacità di applicare tali concetti nella progettazione, realizzazione e valutazione di un sistema interattivo per introduzione/acquisizione dati, apprendimento, comunicazione. L'esame non è superato quando gli obiettivi formativi teorice e pratici non sono stati raggiunti; in questo caso lo studente è invitato ad approfondire lo studio e ad avvalersi di ulteriori spiegazioni da parte del docente titolare suicontenuti teorici o pratici del corso.

Calendario appelli