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)
- 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
Inquadramento dell'insegnamento nel percorso del corso di studio
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.
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.
Risultati di apprendimento attesi
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.
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.
Prerequisiti
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).
Contenuti
* 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
* 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
Testi di riferimento
Deep Learning from Scratch: Building with Python from First Principles 1st Edition, Seth Weidman, O'Reilly
Deep Learning with Python, François Chollet, Manning
Deep Learning with Python, François Chollet, Manning
Modalità di verifica dell'apprendimento
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.
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.
Metodi didattici
Lezioni teoriche e pratiche.
Lezioni di esercitazione.
Lezioni di esercitazione.
Lingua di insegnamento
Inglese
Modalità di esame
orale
Programma definitivo.
Data ultima modifica programma: 29/03/2021