CLEII

Lingua Insegnamento:

ITALIANO
Testi di riferimento:

Stuart Russell, Peter Norvig. Intelligenza artificiale. Un approccio moderno. Volume 2. Quarta edizione. Pearson. 2022.

François Chollet. Deep Learning with Python, Second Edition. Manning Publications. 2021.
Obiettivi formativi:

Gli studenti saranno in grado di effetturare una corretta formulazione e risolvere problemi di apprendimento automatico.

Risultati di apprendimento attesi

Conoscenza e capacità di comprensione

- Fornire una panoramica sulle principali tecniche di
apprendimento automatico: classificazione, regressione,
apprendimento supervisionato e non-supervisionato.
- Conoscenza del linguaggio di programmazione Python.

Conoscenza e capacità di comprensione applicate

- Risolvere problemi di apprendimento automatico a partire da vari insiemi di dati, mediante l'applicazione delle tecniche studiate.
- Utilizzo del linguaggio di programmazione Python
Prerequisiti:

Nessuno.
Metodi didattici:

Lezioni frontali in aula.
Esercitazioni in laboratorio in linguaggio Python utilizzando varie librerie per il machine learning.
Modalità di verifica dell'apprendimento:

Esame scritto/pratico (obbligatorio) e discussione orale (facoltativa).
Sostenibilità:

Gli argomenti trattati nel corso non sono direttamente riconducibili alla sostenibilità ambientale, sociale ed economica.
Altre Informazioni:

L’obiettivo del corso è presentare le tecniche di apprendimento automatico nell’ambito dell’intelligenza artificiale, quali le reti neurali ed il deep learning, discutendone le proprietà e l’applicabilità.

- Introduzione al linguaggio di programmazione Python
- Apprendimento automatico
- Introduzione al Machine learning
- Reti neurali
- Deep learning
- Reti feedforward
- Reti convoluzionali
- Graph Neural Network (GNN)
- Generative Adversarial Network (GAN)