Machine Learning (Neural Networks and Deep Learning)
Insegnamento: Machine Learning
Modulo: (Neural Networks and Deep Learning)
Titolo insegnamento in inglese: Machine Learning. Neural Networks and Deep Learning
Lingua: italiano
Anno di corso: 1
Semestre: 1
CFU: 6
Insegnamenti propedeutici previsti: Nessuno.
Docenti:
- Roberto Prevete
Obiettivi Formativi
Obiettivo del corso è quello di introdurre gli studenti ai principali aspetti, sia teorici sia pratici, riguardanti la progettazione e l’addestramento di reti neurali artificiali sia feed-forward sia ricorrenti, focalizzando l’attenzione su alcuni task specifici come quello della classificazione delle immagini e del testo. Il corso, inoltre, fornisce una introduzione ai modelli di rete neurale profonda, come le reti convoluzionali, considerando alcune delle architetture che hanno avuto particolare successo. Il corso, perdipiù, vuole rendere gli studenti capaci di usare alcune delle principali librerie software disponibili per lo sviluppo e l’apprendimento delle reti neurali artificiali.
Programma
Architetture di rete feed-forward. Funzioni di attivazione. Funzioni di errore. Metodo di back-propagation per il calcolo del gradiente. Regole di apprendimento basate sulla discesa del gradiente. Strategie di generalizzazione e di apprendimento. Regolarizzazione. Rete neurale profonda: autoencoders a pila, unità rettificate, reti convoluzionali. Neurone biologico e modelli storicamente importanti: modelli di McCulloch-Pitts e Hodgkin-Huxley. Reti ricorrenti e ricorsive: reti neurali ricorrenti a tempo continuo, architetture Jordan ed Elman. Apprendimento per reti ricorrenti. Applicazioni di reti neurali a testi, immagini e serie storiche. Attuali aree di ricerca.
Prerequisiti
Concetti di base di analisi (funzioni e derivate), algebra lineare (matrici e vettori), probabilità e statistica
Modalità didattiche
Lezioni frontali e progetti di gruppo.
Materiale didattico
I libri di testo principali sono:
– Christopher M. Bishop. Neural Networks for Pattern Recognition. Oxford University Press, 1996.
– Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep Learning. MIT Press, 2016.
Ulteriore materiale consiste in articoli scientifici recuperabili su librerie on-line, o forniti dal docente.
Modalità di esame
L'esame si articola in prova solo orale. Sviluppo progetto.