NEURAL NETWORKS AND DEEP LEARNING - 149022-ENG

insegnamento

ID:

149022-ENG

Dettaglio:

SSD: INFORMATICA Durata: 48 CFU: 6

Sede:

BERGAMO

Url:

Dettaglio Insegnamento:

ECONOMICS AND DATA ANALYSIS - 149-R-EN/Data Science Anno: 2

Anno:

2026

Periodo di attività

Secondo Semestre (15/02/2027 - 28/05/2027)

Obiettivi Formativi

Il corso prepara la studentessa e lo studente all'uso degli strumenti e delle tecniche fondamentali dell'intelligenza artificiale basata su reti neurali, con particolare attenzione alle reti neurali profonde e all'apprendimento profondo (deep learning). Al termine del corso, si avrà familiarità con gli elementi fondamentali dell'apprendimento mediante reti neurali, con le tecniche e gli algoritmi adottati per il loro addestramento e con architetture di deep learning quali reti neurali convoluzionali e i moderni transformers.

Prerequisiti

Padronanza degli strumenti fondamentali dell'analisi matematica e conoscenza di base di un linguaggio di programmazione (preferibilmente Python).

Metodi didattici

Lezioni frontali con alcune attività guidate di scrittura di codice.

Verifica Apprendimento

La verifica dell’apprendimento avviene attraverso una prova finale scritta, composta da quesiti teorici e da esercizi da risolvere. A discrezione del docente, può essere prevista anche una prova orale finalizzata a confermare il voto conseguito nella prova scritta. Previo accordo con il docente, la prova scritta può essere sostituita da un’attività progettuale, con consegna di un elaborato finale e successiva discussione orale.

Contenuti

Introduzione all'intelligenza artificiale e alla sua evoluzione storica
Elementi costitutivi di una rete neurale (neurone artificiale, funzioni di attivazione, loss function, ...)
Il percettrone di Rosenblatt e le reti a singolo neurone
Reti multistrato "shallow" e loro proprietà
Reti multistrato profonde e loro proprietà
Aspetti algoritmici dell'addestramento di reti neurali: discesa del gradiente e backpropagation
Reti neurali convoluzionali e reti neurali su grafo
Modelli generativi (GAN, encoder, reti neurali di diffusione)
Meccanismi di attenzione e transformers

Risorse Online

Altre informazioni

Le studentesse e gli studenti sono tenuti a consultare settimanalmente la pagina e-learning dell’insegnamento per reperire i materiali di supporto alle lezioni e/o di approfondimento che il docente mette a disposizione. Il programma del corso è il medesimo sia per frequentanti che per i non frequentanti.