elenco   
        corso   

Reti Neurali 1

Codice: AA245Crediti: 6Semestre: 1Sigla: RN1 
 
Settore disciplinare: INF/01 - Informatica

Docente

Alessio Micheli   micheli@di.unipi.it  Stanza 358  Tel. 0502212798

Prerequisiti

Analisi matematica: funzioni, calcolo differenziale; algoritmica, elementi di  probabilità e statistica

Obiettivi di apprendimento

Introduzione al settore delle reti neurali nell'ambito  più generale di introduzione ai metodi ed ai principi dell’apprendimento automatico.

Conoscenze.

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.

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.

Comportamenti.

Consapevolezza dei limiti attuali e delle potenzialità dei sistemi di apprendimento; uso critico dei modelli per problemi reali.

Descrizione

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.

English Description

The course introduces the machine learning principles and models, with a focus on neural networks methods.

 

Indicazioni metodologiche

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.

Programma

Il nuovo programma dettagliato per RN1 dell'anno in corso sarà rilasciato a lezione.

Programma indicativo e sintetico:

  • Introduzione:  Compiti computazionali nell'apprendimento predittivo e concetto di generalizzazione.
  • Modelli e concetti di base:  Struttura dello spazio delle  ipotesi, spazi discreti e continui,  bias induttivo, modelli lineari, nearest neighbor, modelli proposizionali e basati su regole.
  • Modelli  a Reti Neurali: Perceptron e proprietà computazionali.  Reti Neurali multistrato feedforward:  architetture e algoritmi di apprendimento.
  • Principi dell'apprendimento, aspetti pratici generali e valutazione: Teoria Statistica dell'Apprendimento.
  • Support Vector Machines e modelli a Kernel.
  • Modelli Bayesiani e Grafici. 
  • Unsupervised learning.
  • Introduzione alle Applicazioni.

     


Ulteriore pagina web del corso: http://www.di.unipi.it/~micheli/DID/RN1-0910.htm


home


email