Insegnamento MACHINE LEARNING
- Corso
- Informatica
- Codice insegnamento
- A002051
- Curriculum
- Comune a tutti i curricula
- Docente
- Valentina Poggioni
- Docenti
-
- Valentina Poggioni
- Ore
- 68 ore - Valentina Poggioni
- CFU
- 9
- Regolamento
- Coorte 2024
- Erogato
- 2024/25
- Attività
- Caratterizzante
- Ambito
- Discipline informatiche
- Settore
- INF/01
- Tipo insegnamento
- Obbligatorio (Required)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- INGLESE
- Contenuti
- Introduzione al deep learning. Modelli avanzati di reti neurali CNN, LSTM, GRU.
Apprendimento non supervisionato: clustering, Anomaly detection, Dimensionality Reduction and Representation Learning.
Modelli generativi. Attention Mechanism and Transformers.
Introduction to Adversarial Machine Learning. - Testi di riferimento
- Tan, Steinbach, Karpatne, Kumar.
Introduction to Data Mining, 2nd Edition
2019. Pearson
Charu C. Aggarwal.
Neural Networks and Deep Learning: a text book. Springer 2018 - Obiettivi formativi
- Lo studente conoscerà i principali metodi del machine learning secondo i vari approcci supervisionato, semi-supervisionato e non supervisionato. Conoscerà inoltre alcuni metodi tipici del deep learning anche applicato a problemi di computer vision e natural language processing. Sarà in grado di progettare implementare, addestrare e testare sistemi intelligenti per la classificazione, il clustering e l'anomaly detection basati su modelli avanzati di reti neurali. Conoscerà i principali metodi generativi, il meccanismo dell'attenzione e le architetture tranformers che sono alla base dei Large Language Models
- Prerequisiti
- Consigliati "Introduzione all'intelligenza artificiale" e "ARTIFICIAL INTELLIGENT SYSTEMS (1 semestre)"
- Metodi didattici
- Lezioni frontali in aula e lezioni pratiche in laboratorio
- Altre informazioni
- Per qualsiasi altra informazione www.unistudium.unipg.it
- Modalità di verifica dell'apprendimento
- Esame orale e progetto. Prove intermedie durante il corso
- Programma esteso
- Introduzione al deep learning. Modelli avanzati di reti neurali CNN, LSTM, GRU.
Apprendimento non supervisionato: clustering, Anomaly detection, Dimensionality Reduction and Representation Learning.
Modelli generativi. Attention Mechanism and Transformers.
Introduction to Adversarial Machine Learning.