Libri UniversitariApri il catalogo

Theodoridis – Pattern recognition

Libro adottato a Trento, a.a. 2026/2027 · 2 canali

«Theodoridis – Pattern recognition» è adottato per Deep Learning dal prof. Farid Melgani (Computer Science – sede di Trento, Intelligent Mechatronics Engineering – sede di Trento – Trento).

Theodoridis – Pattern recognitionCerca su Amazon ›

Come lo indica il docente: Theodoridis, S., & Koutroumbas, K. (2009). Pattern recognition (4th ed.). Academic press

Chi lo adotta

Programma e testi di ogni canale

Deep Learning – Prof. Farid Melgani Canale unico

Corso di laurea: Computer Science – sede di Trento · Laurea magistrale (LM-18) · esame facoltativo · ICT Innovation · 6 CFU

Trento · Dipartimento di Ingegneria e Scienza dell'Informazione · 6 CFU · apri nel catalogo · Computer Science – sede di Trento · 1º anno · 1º semestre ›

Duda – 2nd EditionCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Koutroumbas – 1st editionCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Vapnik – Statistical Learning TheoryCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
I. Goodfellow, Y. Bengio and A. Courville. DeepCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Cristianini – Kernel Methods for Pattern AnalysisCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Simon – Understanding Deep LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Duda – Pattern classificationCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Theodoridis – Pattern recognitionquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Vapnik – Statistical learning theoryCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Goodfellow – Deep learningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Prince – Understanding deep learningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
  • Materiale proiettato a lezione.

Argomenti del programma: Modulo 2 Capitolo 11 - Artificial Neural Networks and Backpropagation Capitolo 12 - Convolutional Neural Networks Capitolo 13 - Recurrent Neural Networks and Sequence Models Capitolo 14 - Deep Unsupervised Learning (GAN, VAE, Diffusion Models) Capitolo 15 - Deep Reinforcement Learning Capitolo 16 – Introduction to Foundation Models

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

Deep Learning – Prof. Farid Melgani Canale unico

Corso di laurea: Intelligent Mechatronics Engineering – sede di Trento · Laurea magistrale (LM-33) · esame facoltativo · Intelligent Vehicles · 6 CFU

Trento · Dipartimento di Ingegneria Industriale · 6 CFU · apri nel catalogo · Intelligent Mechatronics Engineering – sede di Trento · 2º anno · 1º semestre ›

Duda – 2nd EditionCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Koutroumbas – 1st editionCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Vapnik – Statistical Learning TheoryCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
I. Goodfellow, Y. Bengio and A. Courville. DeepCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Cristianini – Kernel Methods for Pattern AnalysisCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Simon – Understanding Deep LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Duda – Pattern classificationCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Theodoridis – Pattern recognitionquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Vapnik – Statistical learning theoryCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Goodfellow – Deep learningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Prince – Understanding deep learningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
  • Materiale proiettato a lezione.

Argomenti del programma: Modulo 2 Capitolo 11 - Artificial Neural Networks and Backpropagation Capitolo 12 - Convolutional Neural Networks Capitolo 13 - Recurrent Neural Networks and Sequence Models Capitolo 14 - Deep Unsupervised Learning (GAN, VAE, Diffusion Models) Capitolo 15 - Deep Reinforcement Learning Capitolo 16 – Introduction to Foundation Models

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

Si studia insieme a