Skip to Main Content (Press Enter)

Logo UNIBG
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Persone
  • Pubblicazioni
  • Strutture
  • Terza Missione
  • Attività
  • Competenze

UNI-FIND
Logo UNIBG

|

UNI-FIND

unibg.it
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Persone
  • Pubblicazioni
  • Strutture
  • Terza Missione
  • Attività
  • Competenze
  1. Insegnamenti

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 - 149-270-EN/Data Science Anno: 2
Anno:
2025
  • Dati Generali
  • Syllabus
  • Corsi
  • Persone
  • Altre Info

Dati Generali

Periodo di attività

Secondo Semestre (16/02/2026 - 29/05/2026)

Syllabus

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

L'esame consiste in una prova scritta con domande a risposta sia aperta che chiusa riguardanti argomenti teorici e applicazioni dei metodi presentati nel corso.


Contenuti

  • Breve 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 I: algoritmi di discesa del gradiente
  • Aspetti algoritmici dell'addestramento di reti neurali II: l'algoritmo di backpropagation
  • Aspetti algoritmici dell'addestramento di reti neurali III: bias-variance trade-off e double descent
  • Modelli generativi, tra i quali Generative Adversarial Networks (GAN), autoencoders e autoencoders variazionali, diffusion networks
  • Meccanismi di attenzione e transformers



Risorse Online

  • Materiali didattici online (e-learning)
  • Leganto - Testi d'esame

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.


Corsi

Corsi

ECONOMICS AND DATA ANALYSIS - 149-270-EN 
Laurea Magistrale
2 anni
No Results Found

Persone

Persone (2)

CONIGLIO Stefano
Settore INFO-01/A - Informatica
Gruppo 01/INFO-01 - INFORMATICA
AREA MIN. 01 - Scienze matematiche e informatiche
Delegato del Rettore per l'Intelligenza Artificiale
CONIGLIO Stefano
Settore INFO-01/A - Informatica
Gruppo 01/INFO-01 - INFORMATICA
AREA MIN. 01 - Scienze matematiche e informatiche
Professori Associati
No Results Found

Altre Info

Insegnamento principale

NEURAL NETWORKS AND DEEP LEARNING
  • Utilizzo dei cookie

Realizzato con VIVO | Designed by Cineca | 26.1.3.0