Libri UniversitariApri il catalogo

Advanced Topics in Physics Of Data

Physics of Data – sede di Padova · Università degli Studi di Padova · esame facoltativo · 4 CFU · canale unico

Libri del canale

Advanced Topics in Physics Of Data 4 CFU

?Docente non indicato Canale unico

Riferimenti consigliati

Bronstein et al. , Geometric Deep Learning, 2021Verificato sulla scheda ufficiale il 03/10/2026
Bahri – Statistical Mechanics of Deep LearningVerificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
  • Il corso non segue un unico libro di testo. Il materiale di riferimento sarà costituito da libri selezionati, dispense e articoli scientifici relativi ai diversi argomenti del corso.

Argomenti del programma: Machine Learning: approssimare la probabilità attraverso la geometria Sebbene il calcolo probabilistico sia formalmente ben compreso, esso risulta inefficiente per problemi complessi guidati dai dati. Il machine learning approssima localmente il logaritmo delle probabilità attraverso distanze o angoli e utilizza vettori di caratteristiche (feature vectors) per rappresentare entità astratte non numeriche.

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

Apri nel catalogo: Physics of Data – sede di Padova, 1º anno, tutte le materie e i canali ›

Testi d'esame di Advanced Topics in Physics Of Data, canale unico, corso di laurea in Physics of Data – sede di Padova (Laurea magistrale (LM-17)), Università degli Studi di Padova, esame facoltativo · 4 CFU, a.a. 2026/2027. Libri adottati: Rasmussen – Gaussian Processes for Machine Learning; Bronstein et al. , Geometric Deep Learning, 2021; Bahri – Statistical Mechanics of Deep Learning.

Vedi anche: Advanced Topics in Physics Of Data a Padova (tutti i canali)