Skip to Main Content (Press Enter)

Logo UNIBS
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione

Competenze & Professionalità
Logo UNIBS

|

Competenze & Professionalità

unibs.it
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione
  1. Insegnamenti

A004972 - DEEP LEARNING

insegnamento
Tipo Insegnamento:
Opzionale
Durata (ore):
30
CFU:
3
SSD:
INFORMATICA
Sede:
BRESCIA
Url:
Dettaglio Insegnamento:
COMMUNICATION TECHNOLOGIES AND MULTIMEDIA - TECNOLOGIE DELLE COMUNICAZIONI E MULTIMEDIA/PERCORSO COMUNE Anno: 2
Dettaglio Insegnamento:
INGEGNERIA INFORMATICA/comune Anno: 2
Anno:
2025
Course Catalogue:
https://permalink.unibs.it/suacds/afcc/2025?corso=...
  • Dati Generali
  • Syllabus
  • Corsi

Dati Generali

Periodo di attività

Primo Semestre (15/09/2025 - 23/12/2025)

Syllabus

Obiettivi Formativi

Il Deep Learning è un settore emergente dell'informatica con moltissime applicazioni. Il corso si propone di presentare un ampio spettro delle tecniche di Deep Learning attualmente disponibili e di discutere le loro proprietà ed applicabilità nel contesto di diversi settori tramite esempi. L'obiettivo principale del corso è quello di consentire agli studenti la risoluzione di problemi di apprendimento profondo attraverso una adeguata formulazione del problema, una scelta appropriata dell'architettura adatta a risolvere il problema e l'esecuzione di esperimenti per valutare efficacia delle tecniche adottate.
Durante il corso verranno principalmente esposti i concetti e le idee di base che permettono l'effettivo utilizzo di algoritmi di apprendimento profondo, piuttosto che la loro formulazione puramente matematica.
Come ambiente di programmazione verrà usato Python, in particolare PyTorch, TensorFlow e il framework di deep-learning di Keras.

Prerequisiti

Concetti e strumenti analizzati nel corso di Machine Learning e Data Mining.
Fondamenti di matematica con particolare riferimento all'analisi e all'algebra lineare (matrici e vettori).
Basi di calcolo delle probabilità e statistica.
Fondamenti di programmazione, preferibilmente con linguaggio Java o Python.

Metodi didattici

Lezione frontale in aula alternata a esercitazioni di laboratorio di gruppo. Uso di Internet per attività in e-learning quali video, forum e quiz. Lo svolgimento è previsto in presenza, con la possibilità, previa giustificata richiesta, di seguire le lezioni a distanza sia in modalità sincrona che asincrona.

Verifica Apprendimento

L’esame è volto ad accertare la conoscenza degli argomenti elencati nel Programma ufficiale del Corso e la capacità di applicare la teoria ed i suoi metodi alla soluzione di problemi di carattere pratico. L’esame è costituito dallo sviluppo di un progetto concordato con il docente e da una successiva discussione orale inerente il progetto ed i concetti teorici affrontati a lezione.

Testi

Il corso utilizzerà una selezione dei capitoli dei seguenti libri (che verrà indicata all'inizio del corso); ulteriore materiale verrà fornito dai docenti sul sito del corso:
- Aurélien Géron "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 3rd Edition", O'Reilly Media, Inc. ISBN: 9781098125974, 2022.
- Aston Zhang, Zachary C. Lipton, Mu Li and Alexander J. Smola, "Dive into Deep Learning", http://www.d2l.ai, PyTorch version, 2024.
- Ian Goodfellow, Yoshua Bengio,Aaron Courville, "Deep Learning", MIT press,2016.

Contenuti

1) Fondamenti di Deep Learning;
2) Reti Feedforward profonde;
3) Tecniche di regolarizzazione per il deep learning;
4) Tecniche di ottimizzazione per l'addestramento di reti profonde;
5) Reti convoluzionali;
6)Reti ricorrenti ed Attention;
7) Metodologia pratica con Keras, TensorFlow e PyTorch.

Lingua Insegnamento

ITALIANO

Altre informazioni

Sito di e-learning:
https://elearning.unibs.it/

Corsi

Corsi (2)

COMMUNICATION TECHNOLOGIES AND MULTIMEDIA - TECNOLOGIE DELLE COMUNICAZIONI E MULTIMEDIA 
Laurea Magistrale
2 anni
INGEGNERIA INFORMATICA 
Laurea Magistrale
2 anni
No Results Found
  • Assistenza
  • Privacy
  • Utilizzo dei cookie
  • Note legali

Realizzato con VIVO | Designed by Cineca | 25.12.4.0