Concepts – And Techniques to Build Intelligent Systems

• L'insegnamento si avvale principalmente di appunti, notebook e materiali forniti dal docente e pubblicati sul sito Ariel dell'insegnamento. Per approfondimenti, è possibile integrare tali materiali con alcune letture suggerite:

Argomenti del programma: Introduzione alla Data Science per le discipline umanistiche - Il contesto multidiciplinare della Data Science - La rivoluzione dei dati e l'evoluzione dell'intelligenza artificiale - Sfide e questioni aperte sull'impatto sociale e culturale delle tecnologie dei dati Elaborazione del Linguaggio Naturale (NLP) - Introduzione ai principi di elaborazione del linguaggio naturale - Intelligenza artificiale e elaborazione…

• Per gli argomenti più recenti, le slide del corso contengono inoltre riferimenti ad articoli scientifici, pagine web e blog per una maggiore comprensione e approfondimento degli argomenti.

Argomenti del programma: 1) Fondamenti di Deep Learning; 2) Reti Feed-forward profonde; 3) Regolarizzazione e ottimizzazione dell’addestramento; 4) Convolutional Neural Networks; 5) Recurrent Neural Networks ed Attention Mechanism; 6) Modelli Transformer, BERT e GPT 7) Large Language Models 8) Concetti fondamentali di Representation Learning e Autoencoder 9) Generazione di immagini con Generative Adversarial Networks e Diffusion Models 10)…

Argomenti del programma: 1) Fondamenti di Deep Learning; 2) Reti Feed-forward profonde; 3) Regolarizzazione e ottimizzazione dell’addestramento; 4) Convolutional Neural Networks; 5) Recurrent Neural Networks ed Attention Mechanism; 6) Modelli Transformer, BERT e GPT 7) Large Language Models 8) Concetti fondamentali di Representation Learning e Autoencoder 9) Generazione di immagini con Generative Adversarial Networks e Diffusion Models 10)…