ITALIANO
Goodfellow, I.; Bengio, Y.; Courville, A.: Deep learning, MIT Press (2016)
L’obiettivo formativo per lo studente è che raggiunga i seguenti risultati di apprendimento:
Conoscenza e capacità di comprensione
Il corso si propone di fornire le conoscenze di base sul tipo fondamentale di reti neurali profonde, cioè le reti feedforward. A questo scopo il corso fornirà anche le necessarie conoscenze di calcolo delle probabilità.
Capacità di applicare conoscenza e comprensione
Alla fine del corso gli studenti dovranno essere in grado di portare avanti, in gruppo, un progetto applicativo che verrà assegnato dal docente; a conclusione del progetto, il gruppo dovrà stendere una relazione in cui verranno discusse le metodologie scelte e i risultati ottenuti.
La capacità di applicare conoscenza e comprensione verrà inoltre verificata anche attraverso un esame scritto individuale, in cui verranno svolti esercizi e risolti problemi.
Ci si attende che la capacità di utilizzare le reti neurali feedforward venga utilizzata in contesti professionali e per scopi diversi, ma eventualmente anche nella pubblica amministrazione o nell'attività di ricerca.
Lo studente deve possedere le conoscenze di base del calcolo differenziale e dell’algebra lineare.
Lezioni orali.
Conoscenza e capacità di comprensione
La conoscenza e capacità di comprensione raggiunta dallo studente verrà verificata tramite un esame scritto e un colloquio. L'esame scritto consisterà nello svolgimento di esercizi e la risoluzione di problemi su tutti gli argomenti del programma. L'esame orale verificherà invece la conoscenza della teoria (definizioni, enunciati, dimostrazioni, esempi).
Il voto finale, che terrà conto anche del progetto applicativo di cui sotto, sarà espresso in trentesimi.
Capacità di applicare conoscenza e comprensione
La capacità di applicare conoscenza e comprensione verrà verificata sia attraverso l'esame scritto di cui sopra, sia attraverso un progetto applicativo da realizzare in gruppo, assegnato dal docente. A conclusione del progetto, verrà stesa una relazione in cui verranno discusse le metodologie scelte per sviluppare il progetto e i risultati ottenuti; la relazione dovrà essere consegnata al docente almeno una settimana prima dell'esame orale.
Reti neurali profonde di tipo feedforward
1. Elementi di calcolo delle probabilità e di teoria dell’informazione
2. Fondamenti di machine learning
3. Reti neurali profonde feedforward
4. Applicazioni
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693