Libri UniversitariApri il catalogo

I. Goodfellow, Y. Bengio, A. Courville, Deep Learning.

Libro adottato a Pisa, Politecnico di Torino, a.a. 2026/2027 · 3 canali

«I. Goodfellow, Y. Bengio, A. Courville, Deep Learning.» è adottato per Microsistemi per L’Analisi Chimica dal prof. Pietro Salvo (Chimica Industriale – sede di Pisa – Pisa); per Fundamentals Of Artificial Intelligence, Machine And Deep Learning dal prof. Barbara Caputo (Data Science and Engineering – Politecnico di Torino); per Machine Learning For Vision And Multimedia dal prof. Fabrizio Lamberti (Ingegneria Informatica (Computer Engineering) – Politecnico di Torino).

I. Goodfellow, Y. Bengio, A. Courville, Deep Learning.Cerca su Amazon ›

Come lo indica il docente: I. Goodfellow, Y. Bengio, A. Courville, Deep Learning. MIT Press, 2016. Link · I. Goodfellow, Y. Bengio, A. Courville. Deep Learning. MIT press

Chi lo adotta

Programma e testi di ogni canale

Microsistemi per L’Analisi Chimica – Prof. Pietro Salvo Canale unico

Corso di laurea: Chimica Industriale – sede di Pisa · Laurea magistrale (LM-71) · esame facoltativo · 3 CFU

Pisa · Dipartimento di Chimica e Chimica Industriale · 3 CFU · apri nel catalogo · Chimica Industriale – sede di Pisa · 1º anno · 2º semestre ›

Iannone – Labs on ChipCerca su Amazon ›Verificato sulla scheda ufficiale il 02/10/2026
Kecman – Learning and Soft ComputingCerca su Amazon ›Verificato sulla scheda ufficiale il 02/10/2026
I. Goodfellow, Y. Bengio, A. Courville, Deep Learning.questo libroCerca su Amazon ›Verificato sulla scheda ufficiale il 02/10/2026
Bacheca del docente: cosa indica di studiare
  • Dispense del corso fornite dal docente.

Argomenti del programma: Programma dettagliato - Fondamenti di microfluidica: definizione di fluido, definizione di cammino libero medio, definizione di viscosità cinematica e dinamica, flusso laminare e turbolento, equazione Stokes, equazione di Poiseuille, lunghezza caratteristica per un canale circolare e rettangolare, numero di Reynolds, numero di Knudsen.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Fundamentals Of Artificial Intelligence, Machine And Deep Learning – Prof. Barbara Caputo Canale unico

Corso di laurea: Data Science and Engineering · Laurea magistrale (LM-32) · 1º anno · 2º semestre · 10 CFU

Politecnico di Torino · Dipartimento di Automatica e Informatica · 10 CFU · apri nel catalogo · Data Science and Engineering · 1º anno · 2º semestre ›

Reference books

I. Goodfellow, Y. Bengio, A. Courville. Deep Learning.questo libroCerca su Amazon ›Verificato sulla scheda ufficiale il 02/10/2026
Bacheca del docente: cosa indica di studiare
  • Copies of the slides used during the lectures will be made available. All teaching material is downloadable from the teaching Portal.
  • K. P. Murphy. Machine Learning: a probabilistic perspective. MIT Press

Argomenti del programma: - Artificial Intelligence: historical definition, brief overview, modern definition and current role of machine and deep learning. - Overview of fundamental knowledge of probability. - Generative and discriminative methods. - Perceptron. - Artificial Neural Networks. - Support Vector Machines. - Kernel functions. - Active learning - Convolutional Neural Networks. - Stochastic Gradiant Descent. - Batch Normalization.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Machine Learning For Vision And Multimedia – Prof. Fabrizio Lamberti Canale unico

Corso di laurea: Ingegneria Informatica (Computer Engineering) · Laurea magistrale (LM-32) · 2º anno · 1º semestre · Computer Graphics and Multimedia · 6 CFU

Politecnico di Torino · Dipartimento di Automatica e Informatica · 6 CFU · apri nel catalogo · Ingegneria Informatica (Computer Engineering) · 2º anno · 1º semestre ›

I. Goodfellow, Y. Bengio, A. Courville. Deep Learning.questo libroCerca su Amazon ›Verificato sulla scheda ufficiale il 02/10/2026
Bacheca del docente: cosa indica di studiare
  • lucidi delle lezioni, dispense di laboratorio, temi d’esame ed altri contenuti sul Portale della Didattica

Argomenti del programma: Il programma di massima del corso sarà articolato in lezioni teoriche in aula ed esercitazioni in laboratorio, come riportato di seguito. Introduzione al corso Fondamenti di machine learning (lezioni in aula 1 CFU) - Elementi base di probabilità - Reti neurali shallow e deep - Reti feed forward e reti ricorrenti - Statistical machine learning (supervised learning, overfitting, regularization) - Back-propagation e…

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Si studia insieme a