DATA ANALYTICS AND ARTIFICIAL INTELLIGENCE - 2

Anno accademico
2020/2021 Programmi anni precedenti
Titolo corso in inglese
DATA ANALYTICS AND ARTIFICIAL INTELLIGENCE - 2
Codice insegnamento
EM1405 (AF:338419 AR:179574)
Lingua di insegnamento
Inglese
Modalità
Blended (in presenza e online)
Crediti formativi universitari
6 su 12 di DATA ANALYTICS AND ARTIFICIAL INTELLIGENCE
Livello laurea
Laurea magistrale (DM270)
Settore scientifico disciplinare
ING-INF/05
Periodo
4° Periodo
Anno corso
1
Sede
VENEZIA
Spazio Moodle
Link allo spazio del corso
Questo corso copre parte degli aspetti "quantitativi" del corso di studio magistrale e mira a introdurre lo studente alle idee fondanti del deep learning e ad offrire un'ampia comprensione dei suoi aspetti metodologici e pratici.

Più specificamente, l'obiettivo di questo corso è insegnare agli studenti il quadro teorico di base e consentire loro di eseguire un'esplorazione pratica dell'apprendimento profondo. La notazione matematica è abbinata a concetti quantitativi tramite frammenti di codice per aiutare a costruire intuizioni pratiche sulle idee fondamentali dell'apprendimento automatico e del deep learning.
A valle del corso, gli studenti dovrebbero aver acquisito una solida conoscenza di cosa sia l'apprendimento profondo, quando è applicabile e quali sono i suoi limiti. Avranno familiarità con il flusso di lavoro per affrontare e risolvere i problemi di apprendimento automatico e sapranno come affrontare i problemi comunemente riscontrati.

Le sessioni pratiche introdurranno l'uso di Keras per affrontare i problemi del mondo reale che vanno dalla visione artificiale all'elaborazione del linguaggio naturale, la classificazione delle immagini, la previsione delle serie temporali, analisi del sentiment, generazione di immagini e testo e altro ancora.
Gli studenti dovrebbero aver conseguito i risultati di apprendimento dei corsi "Computer Programming And Data Management" e aver frequentato adeguatamente il primo modulo di questo corso (anche senza aver superato gli esami corrispondenti).
* Panoramica e modelli supervisionati e di deep learning
* Modelli di formazione e valutazione
* Reti neurali da zero
* Deep Learning da zero
* Reti neurali convoluzionali
* Reti neurali ricorrenti
* Introduzione a Keras
* Applicazioni con visione artificiale ed elaborazione di testo
Deep Learning from Scratch: Building with Python from First Principles 1st Edition, Seth Weidman, O'Reilly

Deep Learning with Python, François Chollet, Manning
I risultati di apprendimento sono verificati da un progetto.

Il progetto richiede di progettare ed eseguire un'attività di apprendimento profondo sia concependo il quadro generale sia raccogliendo e preparando dati per addestrare il sistema. Il compito dovrebbe essere selezionato con l'obiettivo di affrontare un problema del mondo reale. I risultati devono essere dimostrati sia con una relazione scritta che con una presentazione dal vivo.
orale
Lezioni teoriche e pratiche.
Lezioni di esercitazione.
Programma definitivo.
Data ultima modifica programma: 29/03/2021