• Edizioni di altri A.A.:
  • 2022/2023
  • 2023/2024
  • 2024/2025

  • 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. 
  • Sostenibilità:
     
  • 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

Avvisi

Nessun avviso in evidenza

Documenti

Nessun documento in evidenza

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

icona Facebook   icona Twitter

icona Youtube   icona Instagram