L'insegnamento ha come obiettivo principale fornire agli studenti una solida base teorica sulla progettazione e l'implementazione di algoritmi di apprendimento automatico. Gli studenti impareranno a progettare e implementare algoritmi di apprendimento supervisionato, non supervisionato e per rinforzo, e ad applicare i principi di ottimizzazione non lineare per migliorare le prestazioni degli algoritmi di apprendimento automatico. Al termine dell'insegnamento, gli studenti saranno in grado di progettare e implementare algoritmi di apprendimento personalizzati per specifici problemi e domini.
Curriculum
scheda docente
materiale didattico
Principi teorici e basi matematiche dell'Intelligenza Artificiale
Principali algoritmi di Intelligenza Artificiale
Reti neurali supervisionate: il percettrone multistrato (MLP) e matrici dei pesi sinaptici
Applicazione di un MLP in Matlab e Python per interpolazione ed approssimazione (regressione non lineare).
Configurazione di un server esterno per la programmazione a basso livello
Realizzazione di un MLP in C/C++ from scratch
Reti neurali convolutive (CNN): progettazione in Matlab e Python
Realizzazione di una CNN in C/C++ from scratch
Reti neurali ricorsive (RNN): progettazione in Matlab e Python
Realizzazione di una RNN in C/C++ from scratch
Reti neurali generative avversarie (GAN): progettazione in Matlab e Python
Realizzazione di una GAN in C/C++ from scratch
Reti neurali non supervisionate
Reti neurali con apprendimento a rinforzo
https://d2l.ai/
Programma
Introduzione all’Intelligenza Artificiale e campi di applicazionePrincipi teorici e basi matematiche dell'Intelligenza Artificiale
Principali algoritmi di Intelligenza Artificiale
Reti neurali supervisionate: il percettrone multistrato (MLP) e matrici dei pesi sinaptici
Applicazione di un MLP in Matlab e Python per interpolazione ed approssimazione (regressione non lineare).
Configurazione di un server esterno per la programmazione a basso livello
Realizzazione di un MLP in C/C++ from scratch
Reti neurali convolutive (CNN): progettazione in Matlab e Python
Realizzazione di una CNN in C/C++ from scratch
Reti neurali ricorsive (RNN): progettazione in Matlab e Python
Realizzazione di una RNN in C/C++ from scratch
Reti neurali generative avversarie (GAN): progettazione in Matlab e Python
Realizzazione di una GAN in C/C++ from scratch
Reti neurali non supervisionate
Reti neurali con apprendimento a rinforzo
Testi Adottati
Dive into deep learninghttps://d2l.ai/
Bibliografia Di Riferimento
Dive into deep learning https://d2l.ai/Modalità Frequenza
Frequenza facoltativa ma altamente raccomandata.Modalità Valutazione
Progettazione ed implementazione di un modello di machine learning
scheda docente
materiale didattico
Principi teorici e basi matematiche dell'Intelligenza Artificiale
Principali algoritmi di Intelligenza Artificiale
Reti neurali supervisionate: il percettrone multistrato (MLP) e matrici dei pesi sinaptici
Applicazione di un MLP in Matlab e Python per interpolazione ed approssimazione (regressione non lineare).
Configurazione di un server esterno per la programmazione a basso livello
Realizzazione di un MLP in C/C++ from scratch
Reti neurali convolutive (CNN): progettazione in Matlab e Python
Realizzazione di una CNN in C/C++ from scratch
Reti neurali ricorsive (RNN): progettazione in Matlab e Python
Realizzazione di una RNN in C/C++ from scratch
Reti neurali generative avversarie (GAN): progettazione in Matlab e Python
Realizzazione di una GAN in C/C++ from scratch
Reti neurali non supervisionate
Reti neurali con apprendimento a rinforzo
https://d2l.ai/
Programma
Introduzione all’Intelligenza Artificiale e campi di applicazionePrincipi teorici e basi matematiche dell'Intelligenza Artificiale
Principali algoritmi di Intelligenza Artificiale
Reti neurali supervisionate: il percettrone multistrato (MLP) e matrici dei pesi sinaptici
Applicazione di un MLP in Matlab e Python per interpolazione ed approssimazione (regressione non lineare).
Configurazione di un server esterno per la programmazione a basso livello
Realizzazione di un MLP in C/C++ from scratch
Reti neurali convolutive (CNN): progettazione in Matlab e Python
Realizzazione di una CNN in C/C++ from scratch
Reti neurali ricorsive (RNN): progettazione in Matlab e Python
Realizzazione di una RNN in C/C++ from scratch
Reti neurali generative avversarie (GAN): progettazione in Matlab e Python
Realizzazione di una GAN in C/C++ from scratch
Reti neurali non supervisionate
Reti neurali con apprendimento a rinforzo
Testi Adottati
Dive into deep learninghttps://d2l.ai/
Bibliografia Di Riferimento
Dive into deep learning https://d2l.ai/Modalità Frequenza
Frequenza facoltativa ma altamente raccomandata.Modalità Valutazione
Progettazione ed implementazione di un modello di machine learning