- Docente: Andrea Asperti
- Crediti formativi: 6
- SSD: INF/01
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea in Informatica (cod. 8009)
-
dal 16/09/2024 al 17/12/2024
Conoscenze e abilità da conseguire
Al termine del corso lo studente avra' compreso le complesse problematiche relative alla simulazione di un comportamento intelligente da parte di una macchina, e approfondito alcune tecniche di base di apprendimento automatico in ambito supervisionato, non supervisionato e con rinforzo. Il corso si propone anche di fornire rudimenti relativi alla elaborazione di immagini, che verrano utilizzate estensivamente come oggetto di sperimentazione delle tecniche analizzate
Contenuti
La prima parte del corso fornisce una introduzione generale alla problematica dell'apprendimento automatico, nelle sue forme tipiche: supervisionato, non supervisionato, per rinforzo. Vengono trattati temi tradizionali quali alberi di decisione, regressione logistica, reti Bayesiane, Support Vector Machines.
La seconda parte del corso e' dedicata alle reti neurali e al loro tipico meccanismo di apprendimento: l'algoritmo di backpropagation. Verrano analizzate le principali tipologie di rete: feed forward, convoluzionali, ricorrrenti e le loro applicazioni pratiche. Si studieranno inoltre tecniche di visualizzazione di unita' neurali nascoste (legate a deep dreams e inceptionism), e sistemi generativi di varia natura, tra cui Generative Adversarial Networks. Verrano anche discusse tematiche relative a object detection e semantic segmentation.
Testi/Bibliografia
Slides del docente.
Durante il corso verrano via via forniti links a documenti e siti di particolare rilevanza in relazione ai temi trattati.
Metodi didattici
Lezioni frontali integrate da esemplificazioni pratiche
Sono previsti anche dei laboratori integrativi tenuti da tutors, per un totale di 12 ore.
Modalità di verifica e valutazione dell'apprendimento
Progetto individuale su traccia proposte dal docente, possibilmente integrato da un quiz scritto.
Strumenti a supporto della didattica
Il corso si avvale di numerose librerie open source di supporto alle tecniche di Machine Learning.
In particolare si fara' principalmente uso di
Orario di ricevimento
Consulta il sito web di Andrea Asperti