Libro adottato a Padova, a.a. 2026/2027 · 12 canali
«Cambridge – ISBN-10» è adottato per Deep Learning dal prof. Loris Nanni (Bioingegneria – sede di Padova, Computer Engineering – sede di Padova, Control Systems Engineering – sede di Padova e altri corsi – Padova); per Deep Learning (Bioingegneria – sede di Padova, Computer Engineering – sede di Padova, Control Systems Engineering – sede di Padova e altri corsi – Padova); per Neural Networks And Deep Learning dal prof. Loris Nanni (Control Systems Engineering – sede di Padova – Padova); per Neural Networks And Deep Learning (Control Systems Engineering – sede di Padova – Padova).
Come lo indica il docente: Cambridge, Massachusetts (2016), The MIT Press, ISBN-10: 0262035618 ISBN-13: 978-0262035613. Pre-print available at https://www.deeplearningbook.org/
ISBN
9780262035613
Chi lo adotta
Deep Learning – Prof. Loris Nanni (canale g3gr1)Bioingegneria – sede di Padova · Laurea magistrale (LM-21) · esame facoltativo · Intelligenza Artificiale per la Salute e Ingegneria Clinica · 6 CFU
Deep Learning – docente non ancora indicato (canale g3gr2)Bioingegneria – sede di Padova · Laurea magistrale (LM-21) · esame facoltativo · Intelligenza Artificiale per la Salute e Ingegneria Clinica · 6 CFU
Deep Learning – Prof. Loris Nanni (canale g3gr1)Computer Engineering – sede di Padova · Laurea magistrale (LM-32) · esame facoltativo · 6 CFU
Deep Learning – docente non ancora indicato (canale g3gr2)Computer Engineering – sede di Padova · Laurea magistrale (LM-32) · esame facoltativo · 6 CFU
Deep Learning – Prof. Loris Nanni (canale g3gr1)Control Systems Engineering – sede di Padova · Laurea magistrale (LM-25) · esame facoltativo · 6 CFU
Deep Learning – docente non ancora indicato (canale g3gr2)Control Systems Engineering – sede di Padova · Laurea magistrale (LM-25) · esame facoltativo · 6 CFU
Neural Networks And Deep Learning – docente non ancora indicato (canale g3gr2)Control Systems Engineering – sede di Padova · Laurea magistrale (LM-25) · esame facoltativo · 6 CFU
Deep Learning – Prof. Loris Nanni (canale g3gr1)Electronic Engineering – sede di Padova · Laurea magistrale (LM-29) · esame facoltativo · 6 CFU
Deep Learning – docente non ancora indicato (canale g3gr2)Electronic Engineering – sede di Padova · Laurea magistrale (LM-29) · esame facoltativo · 6 CFU
Deep Learning – docente non ancora indicato (canale g2gr2)Ict for Internet and Multimedia - Ingegneria per le Comunicazioni Multimediali e Internet – sede di Padova · Laurea magistrale (LM-27) · esame facoltativo · 6 CFU
Deep Learning – Prof. Loris Nanni (canale g3gr1)Ict for Internet and Multimedia - Ingegneria per le Comunicazioni Multimediali e Internet – sede di Padova · Laurea magistrale (LM-27) · esame facoltativo · 6 CFU
Corso di laurea: Bioingegneria – sede di Padova · Laurea magistrale (LM-21) · esame facoltativo · Intelligenza Artificiale per la Salute e Ingegneria Clinica · 6 CFU
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Corso di laurea: Bioingegneria – sede di Padova · Laurea magistrale (LM-21) · esame facoltativo · Intelligenza Artificiale per la Salute e Ingegneria Clinica · 6 CFU
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Argomenti del programma: PARTE 1 Basi di reti neurali - Reti neurali feedforward - Allenamento di una rete neruale: algoritmo di backpropagation - Differenziazione automatica (Autodiff) - Reti neurali convoluzionali - Overfitting nelle reti neurali e metodi di ottimizzazione avanzati PARTE 2 Architetture neurali più avanzate - Batch normalization - Reti neurali di tipo residual - Auto-encoder e auto-encoder variazionali - Reti transformers…
Libri Universitari