Alla fine dell’insegnamento lo studente dovrà: -) comprendere cosa sono le reti neurali;; -) capire le differenze tra i diversi principi base; -) conoscere i più importanti modelli.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE:
Alla fine dell’insegnamento lo studente dovrà essere in grado di: -) capire se un certo problema può essere risolto con una certa tecnica; -) formalizzare un problema; -) operare nell'ambito del machine larning con reti neurali.
ABILITÀ DI COMUNICAZIONE:
Alla fine dell’insegnamento lo studente dovrà essere in grado di esporre i concetti appresi, utilizzando un linguaggio corretto e preciso.
CAPACITÀ DI APPRENDERE:
Alla fine dell’insegnamento lo studente dovrà essere in grado di leggere testi e articoli di ricerca.
Prerequisiti
Nessuno.
Metodi didattici
Lezioni frontali in aula.
Verifica Apprendimento
Progetto.
Testi
Appunti dalle lezioni del docente; Deep learning book: https://www.deeplearningbook.org/; Neural networks and deep learning: http://neuralnetworksanddeeplearning.com/
Contenuti
-) Introduzione al machine learning; -) introduzione alle reti neurali; -) Esempi e applicazioni. -) introduzione a Python+Keras; -) implementazioneesempi in Keras.
Lingua Insegnamento
Italiano
Altre informazioni
E-mail: parton@unich.it. Cellulare di riferimento: 349-5323-199.
