Libro adottato a Padova, a.a. 2026/2027 · 8 canali
«Springer – CONSIGLIATO» è adottato per Artificial Intelligence dal prof. Alessandro Sperduti (Computer Science – sede di Padova – Padova); per Deep Learning dal prof. Alessandro Sperduti (Computer Science – sede di Padova, Cybersecurity – sede di Padova, Data Science – sede di Padova e altri corsi – Padova).
Argomenti del programma: La struttura e le tematiche dell'insegnamento saranno le seguenti: - Introduzione, Motivazioni, Architetture di Agenti Intelligenti; - Risoluzione di Problemi; - Ricerca con avversari; - Trattamento della conoscenza tramite logica preposizionale e del primo ordine; - Trattamento dell'Incertezza e Ragionamento Probabilistico; - Basi di Deep Learning e Apprendimento per rinforzo; - Basi di Sistemi con Vincoli; - Basi…
Argomenti del programma: La tematiche dell'insegnamento saranno le seguenti: - Introduzione ai contenuti dell'insegnamento; - Reti Neurali Feedforward profonde (deep); - Regolarizzazione per l'apprendimento deep; - Ottimizzazione per l'apprendimento di modelli deep; - Concetti di base per reti neurali convolutive; - Reti neurali ricorrenti, Transformer, e Mamba per la modellazione di sequenze; - Large Model basati su Transformer; -…
Argomenti del programma: La tematiche dell'insegnamento saranno le seguenti: - Introduzione ai contenuti dell'insegnamento; - Reti Neurali Feedforward profonde (deep); - Regolarizzazione per l'apprendimento deep; - Ottimizzazione per l'apprendimento di modelli deep; - Concetti di base per reti neurali convolutive; - Reti neurali ricorrenti, Transformer, e Mamba per la modellazione di sequenze; - Large Model basati su Transformer; -…
Argomenti del programma: La tematiche dell'insegnamento saranno le seguenti: - Introduzione ai contenuti dell'insegnamento; - Reti Neurali Feedforward profonde (deep); - Regolarizzazione per l'apprendimento deep; - Ottimizzazione per l'apprendimento di modelli deep; - Concetti di base per reti neurali convolutive; - Reti neurali ricorrenti, Transformer, e Mamba per la modellazione di sequenze; - Large Model basati su Transformer; -…
Argomenti del programma: La tematiche dell'insegnamento saranno le seguenti: - Introduzione ai contenuti dell'insegnamento; - Reti Neurali Feedforward profonde (deep); - Regolarizzazione per l'apprendimento deep; - Ottimizzazione per l'apprendimento di modelli deep; - Concetti di base per reti neurali convolutive; - Reti neurali ricorrenti, Transformer, e Mamba per la modellazione di sequenze; - Large Model basati su Transformer; -…
Argomenti del programma: La tematiche dell'insegnamento saranno le seguenti: - Introduzione ai contenuti dell'insegnamento; - Reti Neurali Feedforward profonde (deep); - Regolarizzazione per l'apprendimento deep; - Ottimizzazione per l'apprendimento di modelli deep; - Concetti di base per reti neurali convolutive; - Reti neurali ricorrenti, Transformer, e Mamba per la modellazione di sequenze; - Large Model basati su Transformer; -…
Argomenti del programma: La tematiche dell'insegnamento saranno le seguenti: - Introduzione ai contenuti dell'insegnamento; - Reti Neurali Feedforward profonde (deep); - Regolarizzazione per l'apprendimento deep; - Ottimizzazione per l'apprendimento di modelli deep; - Concetti di base per reti neurali convolutive; - Reti neurali ricorrenti, Transformer, e Mamba per la modellazione di sequenze; - Large Model basati su Transformer; -…
Bishop, Christopher M.; Bishop, Hugh, Deep Learning
Springer – CONSIGLIATOquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
Argomenti del programma: La tematiche dell'insegnamento saranno le seguenti: - Introduzione ai contenuti dell'insegnamento; - Reti Neurali Feedforward profonde (deep); - Regolarizzazione per l'apprendimento deep; - Ottimizzazione per l'apprendimento di modelli deep; - Concetti di base per reti neurali convolutive; - Reti neurali ricorrenti, Transformer, e Mamba per la modellazione di sequenze; - Large Model basati su Transformer; -…
Libri Universitari