PRESENTAZIONE

Il corso fornirà una panoramica dei principi alla base delle reti neurali e delle deep architectures, passando dagli approcci classici a quelli più recenti

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Learning how to use deep learning algorithms, including classical approaches and very recent networks, by grasping the underlying computational and modeling issues.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI 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.

PREREQUISITI

Basi di Machine Learning, programmazione (preferibilmente in Python)

MODALITA' DIDATTICHE

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.

PROGRAMMA/CONTENUTO

Il corso coprità i seguenti argomenti:

• Neural Networks
• Convolutional Neural Networks
• Recurrent Neural Networks
• LSTMs
• Transformers
• Graph Neural Networks
• Autoencoders and GANs
• Deep clustering
• Representation Learning Strategies
• Transfer Learning and domain adaptation

TESTI/BIBLIOGRAFIA

Il materiale verrà messo a disposizione dai docenti sul modulo AulaWeb del corso.

DOCENTI E COMMISSIONI

Commissione d'esame

NICOLETTA NOCETI (Presidente)

VITO PAOLO PASTORE

FRANCESCA ODONE (Supplente)

LEZIONI

INIZIO LEZIONI

In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica e Computer Science

Orari delle lezioni

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

ESAMI

MODALITA' D'ESAME

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

MODALITA' DI ACCERTAMENTO

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.

Calendario appelli