corso |
Codice: | AA245 | Crediti: | 6 | Semestre: | 1 | Sigla: | RN1 | |
Settore disciplinare: | INF/01 - Informatica |
Analisi matematica: funzioni, calcolo differenziale; algoritmica, elementi di probabilità e statistica
Introduzione al settore delle reti neurali nell'ambito più generale di introduzione ai metodi ed ai principi dell’apprendimento automatico.
Principali modelli e algoritmi di apprendimento, con enfasi al paradigma delle reti neurali.
Inquadramento critico delle caratteristiche e limitazioni delle metodologie di apprendimento.
Fondamenti teorici: principi induttivi alla base dei processi di apprendimento.
Tecniche di validazione.
Domini applicativi.
Capacità di progettare soluzioni a problemi con metodi di reti neurali e apprendimento automatico.
Capacità di analisi e sviluppo di modelli come strumento per problemi complessi e/o per l’avanzamento metodologico.
Capacità di applicazione rigorosa e valutazione sperimentale dei metodi di apprendimento.
Consapevolezza dei limiti attuali e delle potenzialità dei sistemi di apprendimento; uso critico dei modelli per problemi reali.
L'obiettivo del corso è di introdurre i principi e metodi dell'apprendimento automatico (da insiemi di dati) con particolare attenzione alle reti neurali e modelli affini, oggi alla base della costruzione di sistemi adattivi in molti domini applicativi innovativi in informatica e in settori interdisciplinari.
The course introduces the machine learning principles and models, with a focus on neural networks methods.
I concetti sono introdotti progressivamente a partire dagli approcci più semplici di apprendimento automatico fino ai modelli allo stato dell'arte, sia neurali che ad essi complementari, nell'ambito dell'inquadramento concettuale generale e moderno del machine learning (apprendimento di funzioni da esempi).
Si intende incoraggiare l’utilizzo di una formulazione computazionale dei problemi e dei sistemi di apprendimento.