ING0180 - ARCHITETTURE DI RETI NEURALI

insegnamento
Tipo Insegnamento:
Ins. uff. con erogazioni e cop.
Durata (ore):
30
CFU:
3
SSD:
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Sede:
BRESCIA
Url:
INGEGNERIA INFORMATICA/comune Anno: 2
Anno:
2025
Course Catalogue:
https://permalink.unibs.it/suacds/afcc/2025?corso=...

Dati Generali

Periodo di attività

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

Syllabus

Obiettivi Formativi

Il corso si propone di presentare architetture e tecniche avanzate basate su Reti Neurali Artificiali, appartenenti al cosiddetto “Deep Learning”, e le loro applicazioni nel campo della comprensione e della generazione del testo, della generazione di immagini e di analisi dei dati in generale.
L’obiettivo principale del corso è fornire allo studente gli strumenti adeguati, sia di intuizione teorica che maggiormente implementativi, per realizzare applicazioni di intelligenza artificiale e analisi dei dati.
Come ambiente di programmazione, verrà usato il linguaggio Python e il framework di Deep Learning Pytorch.

Prerequisiti

- Concetti e strumenti analizzati nel corso “Machine Learning e Data Mining”.
- Fondamenti di analisi matematica e algebra lineare (matrici e vettori).
- Basi di calcolo delle probabilità e statistica.
- Fondamenti di programmazione, preferibilmente con linguaggio Java o Python.
- Consigliata la frequenza del corso “Deep Learning”.

Metodi didattici

Lezioni frontali ed esercitazioni pratiche.
Il corso si svolge in presenza, con la possibilità di seguire da remoto per particolari esigenze.

Verifica Apprendimento

L'esame ha l'obiettivo di verificare la conoscenza degli argomenti riportati nel programma del corso e l'abilità di applicarli per risolvere problemi concreti.
L'esame consiste nello sviluppo di un progetto concordato con il docente, seguito da una discussione del progetto stesso e degli argomenti teorici presentati a lezione.

Testi

Il corso comprende argomenti che possono trovarsi in alcuni capitoli dei seguenti libri:
- Aurélien Géron "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 3rd Edition", O'Reilly Media, Inc., 2022.
- Maxime Labonne "Hands-On Graph Neural Networks using Python", Packt Publishing, 2022
- Dennis Rothman "Transformers for Natural Language Processing", Packt Publishing, 2022

Le slide del corso contengono inoltre riferimenti ad articoli scientifici, pagine web e blog per una maggiore comprensione e approfondimento degli argomenti.

Contenuti

1) Concetti fondamentali di Natural Language Processing e Language Modeling
2) Transformer, BERT e GPT
3) Large Language Models
4) Concetti fondamentali di Representation Learning e Autoencoder
5) Generazione di immagini con Generative Adversarial Networks e Diffusion Models
6) Graph Neural Networks
7) Implementazione pratica con Pytorch

Lingua Insegnamento

Italiano

Corsi

Corsi

INGEGNERIA INFORMATICA 
Laurea Magistrale
2 anni
No Results Found