Anno accademico 2023-2024

DEEP LEARNING

Docenti

Giuseppe Serra
Totale crediti
6
Periodo didattico
Primo Periodo
Tipologia
Caratterizzante
Prerequisiti. Conoscenze delle tecniche di programmazione e matematica di base.
Metodi didattici. Lezioni, esercitazioni e laboratorio.
Modalità di verifica. L’esame prevede una prova scritta e una prova orale.
Obiettivi formativi
Capacità relative alle discipline

1.1 Conoscenza e capacità di comprensione: durante il corso lo studente acquisirà conoscenze teoriche dei principali componenti utilizzati per lo sviluppo di una rete neurale e dei metodi di apprendimento delle stesse; inoltre, apprenderà le procedure formali per la valutazione e l’analisi dei risultati ottenuti.

1.2 Conoscenza e capacità di comprensione applicate: l’attività di laboratorio permetterà allo studente di consolidare le conoscenze teoriche presentate durante le lezioni frontali del docente attraverso il loro utilizzo in casi reali.

Capacità trasversali/soft skills

2.1 Autonomia di giudizio: lo studente acquisirà capacità teoriche e pratiche che gli consentiranno di sviluppare in autonomia algoritmi di Deep Learning e analizzarne criticamente i risultati prodotti.

2.2 Abilità comunicative: lo studente imparerà la terminologia appropriata e sarà in grado di descrivere le principali caratteristiche delle architetture neurali e degli algoritmi di apprendimento presentati durante il corso.

2.3 Capacità di apprendimento: il corso mira a fornire allo studente gli strumenti necessari per affrontare e risolvere autonomamente problemi inerenti all’apprendimento automatico attraverso lo sviluppo critico di architetture neurali.

Contenuti
Il corso si propone di presentare nel dettaglio le architetture e gli algoritmi per la definizione, l’implementazione e l’addestramento di Reti Neurali Artificiali. Il Deep Learning, la cui traduzione letterale significa apprendimento profondo, è una sottocategoria del Machine Learning e indica quella branca dell’Intelligenza Artificiale che fa riferimento ai sistemi e agli algoritmi ispirati alla struttura e alla funzione del cervello chiamate Reti Neurali Artificiali.

Recentemente grazie alla quantità crescente d’informazioni digitalmente disponibili il Machine Learning, e in particolare il Deep Learning, è diventato un importante settore dell’informatica con moltissime applicazioni in svariati settori tra cui la bioinformatica, la medicina, l’analisi automatica del testo, l’analisi automatica delle immagini e video, il riconoscimento del parlato, i sistemi di guida autonoma ecc. L’obiettivo principale del corso è quindi fornire allo studente le conoscenze fondamentali per risolvere problemi di apprendimento automatico attraverso una corretta formulazione del problema, una progettazione critica dell’architettura neurale da utilizzare e un’analisi sperimentale per valutare i risultati ottenuti. Per questo motivo il corso prevede lezioni in laboratorio al fine di consentire allo studente la sperimentazione diretta delle nozioni apprese su applicazioni reali.

Testi di riferimento
Articoli scientifici, report, presentazioni, ecc. Disponibili sul portale di E-Learning.