-
Lingua Insegnamento:
ITALIANO
-
Testi di riferimento:
Materiale didattico, testo di riferimento e slides saranno indicati/messi a disposizione dal Docente.
-
Obiettivi formativi:
Il corso si propone di fornire conoscenze su linguaggi e tecniche di programmazione, algoritmi e strutture dati utili per il calcolo scientifico e conoscenze di tecniche per l’Apprendimento Automatico (Machine Learning) e l’Apprendimento Profondo (Deep Learning).
-
Prerequisiti:
Buona conoscenza degli argomenti dei corsi di base di analisi matematica e geometria.
-
Metodi didattici:
L’insegnamento si compone di 64 ore di didattica frontale, suddivise in lezioni da 2 ore. Le lezioni frontali saranno supportate da diapositive e tratteranno gli aspetti teorici della disciplina.
Inoltre, all’interno del corso sono previste delle esercitazioni pratiche.
La frequenza alle lezioni è facoltativa ma altamente consigliata.
Le slide e altro materiale didattico, saranno disponibili sulla piattaforma e-learning del corso. -
Modalità di verifica dell'apprendimento:
La verifica dell'apprendimento consiste in due prove: lo sviluppo di un progetto individuale ed una prova orale.
Nello sviluppo del progetto, lo studente applica i concetti acquisiti durante il corso. Il progetto dovrà essere accompagnato da una relazione che documenta le attività svolte ed i risultati ottenuti. I progetti sono concordati con il docente.
La prova orale mira a valutare la comprensione degli aspetti tecnici e teorici dei concetti presentati durante il corso.
Il voto finale è espresso in trentesimi. Affinché la valutazione finale sia positiva, lo studente deve conseguire almeno 18 punti. -
Altre Informazioni:
Le slide e altro materiale didattico, anche suggerito per approfondimenti, saranno disponibili sulla piattaforma e-learning del corso.
La frequenza alle lezioni è altamente raccomandata.
Il corso si propone di fornire conoscenze su linguaggi e tecniche di programmazione, algoritmi e strutture dati utili per il calcolo scientifico e conoscenze di tecniche per l’Apprendimento Automatico (Machine Learning) e l’Apprendimento Profondo (Deep Learning).
Il corso sarà strutturato in due moduli.
Nel primo modulo, saranno fornite informazioni sulla struttura del calcolatore e la gestione della memoria. Saranno poi introdotte le basi del linguaggio di programmazione Python e saranno trattate le strutture dati fondamentali. Sarà illustrato l’utilizzo di funzioni, cicli e istruzioni condizionali. Saranno inoltre presentati i concetti di programmazione ad oggetti e programmazione ricorsiva. Saranno fornite informazioni per la gestione del codice, il mining sui dati e la visualizzazione dei risultati.
Nel secondo modulo, saranno presentati i concetti fondamentali relativi all’ Apprendimento Automatico ed all’Apprendimento Profondo. Saranno poi presentate le principali tecniche per l’Apprendimento Automatico supervisionato e non supervisionato e le librerie necessarie per lo sviluppo di modelli di regressione e classificazione.
Saranno infine presentate le principali architetture delle Reti Neurali Profonde (Deep Neural Network) e le librerie per il loro sviluppo.
• Informazioni Generali
• Il linguaggio Python
• Machine Learning
• Support Vector Machine
• k-Nearest Neighbors, Regressione Lineare e Regressione Logistica
• Alberi Decisionali e Random Forest
• Apprendimento non Supervisionato
• Introduzione alle Reti Neurali Artificiali
• Reti Neurali Convoluzionali
• Reti Neurali Ricorrenti
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
