• Edizioni di altri A.A.:
  • 2022/2023
  • 2023/2024
  • 2024/2025
  • 2025/2026
  • 2026/2027

  • Lingua Insegnamento:
    ITALIANO 
  • Testi di riferimento:
    Stuart Russell, Peter Norvig. Intelligenza artificiale. Un approccio moderno. Volume 2. Quarta edizione. Pearson. 2022.

    François Chollet. Deep Learning with Python, Second Edition. Manning Publications. 2021. 
  • Obiettivi formativi:
    Gli studenti saranno in grado di effetturare una corretta formulazione e risolvere problemi di apprendimento automatico.

    Risultati di apprendimento attesi

    Conoscenza e capacità di comprensione

    - Fornire una panoramica sulle principali tecniche di
    apprendimento automatico: classificazione, regressione,
    apprendimento supervisionato e non-supervisionato.
    - Conoscenza del linguaggio di programmazione Python.

    Conoscenza e capacità di comprensione applicate

    - Risolvere problemi di apprendimento automatico a partire da vari insiemi di dati, mediante l'applicazione delle tecniche studiate.
    - Utilizzo del linguaggio di programmazione Python 
  • Prerequisiti:
    Nessuno.
     
  • Metodi didattici:
    Lezioni frontali in aula.
    Esercitazioni in laboratorio in linguaggio Python utilizzando varie librerie per il machine learning. 
  • Modalità di verifica dell'apprendimento:
    Esame scritto/pratico (obbligatorio) e discussione orale (facoltativa). 
  • Sostenibilità:
    Gli argomenti trattati nel corso non sono direttamente riconducibili alla sostenibilità ambientale, sociale ed economica. 

L’obiettivo del corso è presentare le tecniche di apprendimento automatico nell’ambito dell’intelligenza artificiale, quali le reti neurali ed il deep learning, discutendone le proprietà e l’applicabilità.

- Introduzione al linguaggio di programmazione Python
- Apprendimento automatico
- Introduzione al Machine learning
- Reti neurali
- Deep learning
- Reti feedforward
- Reti convoluzionali
- Graph Neural Network (GNN)
- Generative Adversarial Network (GAN)

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