RETI NEURALI - 97R012-2

insegnamento
ID:
97R012-2
Dettaglio:
SSD: AUTOMATICA Durata: 24 CFU: 3
Sede:
BERGAMO
Url:
DATA ANALYTICS, ECONOMIA E TECNOLOGIE DIGITALI - 97-270R/PERCORSO COMUNE Anno: 2
Anno:
2026
Course Catalogue:
https://unibg.coursecatalogue.cineca.it/af/2026?co...

Dati Generali

Periodo di attività

Primo Semestre (14/09/2026 - 18/12/2026)

Syllabus

Obiettivi Formativi

Dopo il primo modulo (PROGRAMMAZIONE PER DATA SCIENCE E DATA MANAGEMENT), questo modulo è dedicato alle principali architetture e tipologie di modelli a rete neurale, anche con l’uso di codice Python per la loro implementazione pratica. Alla fine del modulo lo studente sarà in grado di comprendere e progettare una rete neurale per la modellistica di dati.


Prerequisiti

Buona conoscenza degli argomenti sviluppati nei seguenti corsi del primo anno:
- Analisi matematica 1 e algebra lineare
- Informatica per data science
- Statistica descrittiva e calcolo delle probabilità

Metodi didattici

Il percorso didattico proposto allo studente è il seguente:
1) Seguire la lezione frontale esposta con il supporto di diapositive. Esse sono spesso disponibili prima dell’inizio della lezione ed è utile che lo studente visioni le diapositive di una lezione prima di seguire la lezione.
2) Studiare gli argomenti della lezione con l’ausilio del libro di testo, delle diapositive e degli appunti personali.
3) Seguire le esercitazioni in aula computer o in classe con ausilio di proprio computer portatile.
Viene data molta importanza alla partecipazione attiva alle lezioni da parte degli studenti, che viene stimolata mediante un dialogo continuo.

Verifica Apprendimento

Esame di programmazione al computer con domande di teoria.


Contenuti

- Introduzione al concetto di supervised learning (cenni). Regressione e classificazione. Minimizzare una funzione di costo.
- Multi-layer Perceptron. Origini, struttura, funzioni di attivazione.
- Inizialiazzione dei pesi. Algoritmo del gradient descent.
- Valutare la bontà del modello.
- Framework python per reti neurali. Libreria Keras. Struttura, esempi, notazione.
- Altri modelli: autoencoder, transformer (cenni).

Risorse Online

Altre informazioni

Tutti i materiali didattici saranno disponibili sulla pagina Moodle del corso. Gli studenti e le studentesse sono invitati a iscriversi alla pagina per ricevere tempestivamente avvisi, messaggi e aggiornamenti sullo svolgimento delle lezioni.
La frequenza è fortemente consigliata. Gli studenti e le studentesse impossibilitati a frequentare sono invitati a contattare i docenti per ricevere indicazioni sul programma e sui materiali didattici. Le modalità della prova d’esame sono identiche sia per i frequentanti sia per i non frequentanti.

Chi volesse approfondire gli argomenti del corso può seguire i corsi di Programmazione Object Oriented e Web e Ingegneria delle applicazioni data intensive scegliendo il percorso informatico-ingegneristico.

Corsi

Corsi

Persone

Persone

No Results Found

Altre Info

Insegnamento principale

PROGRAMMAZIONE PER DATA SCIENCE, DATA MANAGEMENT E RETI NEURALI