Libri UniversitariZoom 100%

Goodfellow – Deep Learning

[Alanna Maldonado] · 2023 · ISBN 9789732345528
8.6 / 10
Difficoltà alto
1 facoltà
lo adottano, in 1 ateneo2 docenti · 1 corso di laurea

Scheda libro

Titolo
Deep learning
Autori
Goodfellow, Ian Ian Goodfellow, Yoshua Bengio, Aaron Courville
Editore
[Alanna Maldonado], 2023
Edizione
2023
ISBN
9789732345528
Lingua
n.d.
Pagine
787
Tipo
Manuale universitario
Studio
≈ 8,5 settimane

Cosa si studia con questo libro Goodfellow – Deep Learning: di cosa parla

Deep Learning è un testo sull'apprendimento profondo, con i fondamenti matematici e le reti neurali. È adatto a chi studia deep learning e machine learning. Il testo si presta alla lettura ragionata e allo studio in vista dell'esame, anche come base per approfondimenti successivi. Si rivolge a chi cerca un riferimento solido per inquadrare l'argomento e per orientarsi tra i concetti fondamentali della disciplina. La trattazione è pensata per un lavoro di studio sistematico, utile sia nella preparazione di un corso sia nella ricerca bibliografica.

Dove acquistarlo Goodfellow – Deep Learning: prezzo nuovo e usato su Amazon, IBS e Libraccio

Like
Comparatore prezzi
Feltrinelli
CercaNuovo

Chi lo adotta Goodfellow – Deep Learning: esami, corsi di laurea e docenti che lo indicano

Bologna 1 facoltà · 2 esami

Goodfellow – Deep Learning a Bologna: Deep Learning, Machine Learning e Deep Learning, prof. Ferrara e Maltoni

Facoltà: Ingegneria e architettura

Deep Learning

Prof. Matteo Ferrara
Pagina del docente: Matteo Ferrara
Scopri le domande d’esame:Apri scheda materia ›
Di cosa si tratta: Reti neurali lineari, trade-off bias-varianza, multilayer perceptron, backpropagation e autoencoder aprono lo studio. Seguono le reti convolutive per le immagini e la computer vision, le reti ricorrenti, word embedding, modelli seq2seq e transformer per le sequenze, e i modelli generativi come i Variational Autoencoders, oltre a ottimizzazione e algoritmi basati sul gradiente.

Dettagli corso

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 7 libri
Bishop – Deep LearningISBN 9783031454677
Tempo di studio del libro≈ 7 settimane
Obbligatorietà
Facoltativo
Adottato in
4 materie
Tipo
Manuale
Pagine
649 pagine
Difficoltà
7,6
Chollet – Deep Learning with Python (2nd edition)ISBN 9781633436589
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
Zhang – Dive into Deep LearningISBN 9781009389433
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
548 pagine
Difficoltà
5,4
Elgendy – Deep Learning for Vision SystemsISBN 9781617296192
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
458 pagine
Difficoltà
5,4
Geron – Hands-on Machine Learning with Scikit-LearnISBN 9798341607989
Tempo di studio del libro≈ 9,5 settimane
Obbligatorietà
Facoltativo
Adottato in
2 materie
Tipo
Manuale
Pagine
845 pagine
Difficoltà
8,8
Nielsen – Neural Networks and Deep LearningISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
Goodfellow – Deep LearningISBN 9789732345528
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
787 pagine
Difficoltà
5,4
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Manuale di Python
Cerca su Amazon

Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Machine Learning e Deep Learning

Prof. Matteo Ferrara, Davide Maltoni
Pagina del docente: Matteo Ferrara
Scopri le domande d’esame:Apri scheda materia ›
Di cosa si tratta: Algebra lineare, calcolo e differenziazione automatica sostengono l'introduzione al deep learning. Le reti neurali sono affrontate con backpropagation e algoritmi di ottimizzazione, quindi si passa alle reti convoluzionali, alle reti ricorrenti, ai Transformers e agli autoencoder. Completano il quadro i modelli generativi, il reinforcement learning e un esempio pratico di elaborazione del linguaggio naturale.

Dettagli corso

🕒 Orario lezioni
  • Lun13–16AULA 2.1
  • Ven9–11LAB. 2.2 VELA, AULA 2.11

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Dispense a cura del docente disponibili su Virtuale
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 7 libri
Bishop – Deep LearningISBN 9783031454677
Tempo di studio del libro≈ 7 settimane
Obbligatorietà
Facoltativo
Adottato in
4 materie
Tipo
Manuale
Pagine
649 pagine
Difficoltà
7,6
Chollet – Deep Learning with Python (2nd edition)ISBN 9781633436589
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
Zhang – Dive into Deep LearningISBN 9781009389433
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
548 pagine
Difficoltà
9,5
Elgendy – Deep Learning for Vision SystemsISBN 9781617296192
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
458 pagine
Difficoltà
9,5
Geron – Hands-on Machine Learning with Scikit-LearnISBN 9798341607989
Tempo di studio del libro≈ 9,5 settimane
Obbligatorietà
Facoltativo
Adottato in
2 materie
Tipo
Manuale
Pagine
845 pagine
Difficoltà
8,8
Nielsen – Neural Networks and Deep LearningISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
Goodfellow – Deep LearningISBN 9789732345528
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
787 pagine
Difficoltà
9,5
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Manuale di Python

Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Scorri di lato: 2 esami →

Domande frequenti su Goodfellow – Deep Learning

Per quale esame serve Goodfellow – Deep Learning?

È indicato per Deep Learning, Machine Learning e Deep Learning a Bologna, dai docenti Matteo Ferrara, Davide Maltoni. A.a. 2026/2027.

Quali libri indica il prof. Matteo Ferrara per Deep Learning?

Per Deep Learning (Bologna) il prof. Matteo Ferrara indica Goodfellow – Deep Learning; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.

Qual è il prezzo migliore di Goodfellow – Deep Learning?

Il comparatore prezzi di questa pagina mette a confronto Amazon, IBS e Libraccio, nuovo e usato: su Amazon il prezzo aggiornato è nella scheda del negozio.

Quanto tempo serve per studiare Goodfellow – Deep Learning?

≈ 8,5 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.

Qual è l'ISBN di Goodfellow – Deep Learning?

L'ISBN è 9789732345528 (editore [Alanna Maldonado]).

Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Come leggere questi dati
Come è calcolata la difficoltà ›
Crediti (CFU)50%1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura50%pagine dei libri indicati divisi per i CFU (pagine dalla scheda SBN; se non note, una stima di 400 pagine a libro).

Ogni esame si confronta solo con quelli della sua area (scientifico-tecnica, umanistica, giuridico-sociale, sanitaria, economica): un esame di lettere non viene misurato con matematica. Il numero 1-10 è la posizione dell'esame nella sua area; per il libro si fa la media degli esami che lo adottano. Non contano anno di corso, laurea triennale o magistrale e lunghezza del programma: non dicono quanto si studia. È una stima del carico, non una difficoltà misurata.

Atenei e facoltà in ordine di diffusione. Per ogni esame: docente, corso di laurea, facoltà e il confronto con gli altri libri che indica.
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.