Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
INFORMATICA
Insegnamento
DEEP LEARNING
SCP9087561, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
INFORMATICA
SC1176, ordinamento 2014/15, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese DEEP LEARNING
Sito della struttura didattica http://informatica.scienze.unipd.it/2019/laurea_magistrale
Dipartimento di riferimento Dipartimento di Matematica
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile ALESSANDRO SPERDUTI INF/01
Altri docenti NICOLO' NAVARIN INF/01

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
SCP9087561 DEEP LEARNING ALESSANDRO SPERDUTI SC2377

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Discipline Informatiche INF/01 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 02/03/2020
Fine attività didattiche 12/06/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Syllabus
Prerequisiti: E' opportuno possedere le conoscenze di base relative al Calcolo delle Probabilità, alla Programmazione e agli Algoritmi.
Conoscenze e abilita' da acquisire: L’insegnamento introduce i concetti di base relativi al Deep Learning, cioè all’apprendimento automatico tramite reti neurali.
Verranno richiamati i concetti matematici necessari per una piena comprensione della materia. Si tratteranno le reti neurali feedforward deep e le relative tecniche di regolarizzazione e di ottimizzazione dell’apprendimento. Verranno introdotti i concetti di base relativi alle reti convolutive. Per quanto riguarda il trattamento di sequenze, saranno
presentate le reti neurali ricorrenti, con particolare enfasi all’utilizzo di unità LSTM e analoghe. Infine si tratteranno autoencoder e modelli generativi deep. Inoltre, per quanto riguarda l’implementazione dei modelli trattati nel corso, si introdurrà la piattaforma TensorFlow.
Modalita' di esame: Lo studente deve superare un esame scritto. Inoltre lo studente deve sviluppare un notebook concordato con il docente.
Criteri di valutazione: La valutazione dello studente si basa su una verifica dell'apprendimento dei concetti di base introdotti durante il corso e sulla capacità di analisi dello studente.
La valutazione del progetto considera la capacità, da parte dello studente, di individuare un caso di studio adeguato e di svolgere in modo autonomo un'attività di progettazione e realizzazione qualitativamente appropriata.
Contenuti: La tematiche dell'insegnamento saranno le seguenti:
- Introduzione ai contenuti dell'insegnamento;
- Reti Neurali Feedforward profonde (deep);
- Regolarizzazione per l'apprendimento deep;
- Ottimizzazione per l'apprendimento di modelli deep;
- Concetti di base per reti neurali convolutive;
- Reti neurali ricorrenti per la moderazione di sequenze;
- Autoencoder;
- Modelli generativi deep;
- TensorFlow.
Attivita' di apprendimento previste e metodologie di insegnamento: L'insegnamento prevede lezioni frontali.
Eventuali indicazioni sui materiali di studio: Materiale aggiuntivo sarà disponibile sul sito e-learning del corso.
Testi di riferimento:
  • Goodfellow, Ian; Courville, Aaron, Deep learningIan Goodfellow, Yoshua Bengio and Aaron Courville. Cambridge: MA [etc.], MIT Press, 2016. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • TensorFlow

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Industria, innovazione e infrastrutture