GASPARETTI FABIO
Obiettivi
Gli obiettivi sono fornire competenze avanzate e specifiche nell'ambito dei più recenti modelli e tecnologie di apprendimento automatico. Il corso consentirà la risoluzione di problemi complessi attraverso una adeguata formulazione del problema e la definizione di modelli e rappresentazioni della conoscenza più adatte, e le tecniche di implementazione più efficiente per l’implementazione degli algoritmi di machine learning. Si approfondiranno le diverse tecniche di reinforcement learning e i domini di impiego; e si introdurranno modelli dello stato dell’arte, quali graph neural networks e tecniche di tuning e autotuning.Il corso è costituito da una parte teorica e metodologica su concetti avanzati e innovativi, e da una attività laboratoriale in cui tali concetti sono applicati nella risoluzione di problemi mediante i più recenti framework di sviluppo.
Risultati Apprendimento Attesi
Al termine del corso lo studente sarà in grado di:- comprendere e applicare tecniche avanzate di Machine Learning per la risoluzione di problemi complessi;
- analizzare dataset complessi e definire adeguate rappresentazioni della conoscenza e formulazioni del problema;
- progettare, implementare e valutare modelli avanzati di apprendimento automatico
- utilizzare framework e strumenti software moderni per lo sviluppo, l’addestramento e l’ottimizzazione di modelli di Machine Learning;
- applicare tecniche di tuning per il miglioramento delle prestazioni dei modelli;
- valutare criticamente accuratezza, robustezza e generalizzazione dei modelli sviluppati;
- sviluppare soluzioni sperimentali mediante attività progettuali e laboratoriali, con capacità di interpretazione e discussione dei risultati ottenuti.
Programma
Gli obiettivi sono fornire compete avanzate e specifiche nell'ambito dei più recenti modelli e tecnologie di apprendimento automatico. Il corso consentirà la risoluzione di problemi complessi attraverso una adeguata formulazione del problema e la definizione di modelli e rappresentazioni della conoscenza più adatte, e le tecniche di implementazione più efficiente per l’implementazione degli algoritmi di machine learning. Si approfondiranno le diverse tecniche di reinforcement learning e i domini di impiego; e si introdurranno modelli dello stato dell’arte, quali graph neural networks e tecniche di tuning e autotuning.Il corso è costituito da una parte teorica e metodologica su concetti avanzati e innovativi, e da una attività laboratoriale in cui tali concetti sono applicati nella risoluzione di problemi mediante i più recenti framework di sviluppo.
Prerequisiti
Fondamenti di Informatica.Testi Adottati
Dispense a cura del docente.Modalità Frequenza
IT: La frequenza non è obbligatoriaModalità Valutazione
Prova scritta, prova pratica