ITALIANO

Goodfellow, I.; Bengio, Y.; Courville, A.: Deep learning, MIT Press (2016)

M. Nielsen: Neural Networks and Deep Learning, available at http://neuralnetworksanddeeplearning.com

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 un progetto applicativo che verrà assegnato dal docente; a conclusione del progetto, le metodologie scelte e i risultati ottenuti verranno discusse in un colloquio.
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 e laboratorio di programmazione

Conoscenza e capacità di comprensione

La conoscenza e capacità di comprensione raggiunta dallo studente verrà verificata attraverso il progetto finale assegnato dal docente e un colloquio in cui verranno discusse le metodologie scelte e i risultati ottenuti nel corso del progetto.

Capacità di applicare conoscenza e comprensione

La capacità di applicare conoscenza e capacità di comprensione verrà verificata attraverso il progetto finale assegnato dal docente e un colloquio in cui verranno discusse le metodologie scelte e i risultati ottenuti nel corso del progetto.

Il voto finale verrà espresso in trentesimi.