Generative Artificial Intelligence – prof. Fabrizio Silvestri

Matematica applicata · Sapienza Università di Roma · 1º anno · 2º semestre · Matematica per Data Science - 10 · 6 CFU · a scelta (MaDS/C informatico) · canale unico

Testi d'esame di Generative Artificial Intelligence del prof. Fabrizio Silvestri, canale unico, corso di laurea in Matematica applicata (Laurea magistrale (LM-40)), Sapienza Università di Roma, 1º anno · 2º semestre · Matematica per Data Science - 10 · 6 CFU · a scelta (MaDS/C informatico), a.a. 2026/2027. Libri adottati: Goodfellow – Deep Learning; Bishop – Deep Learning; Jurafsky – Speech and Language Processing; Murphy – Probabilistic Machine Learning.

Generative Artificial Intelligence – Prof. Fabrizio Silvestri Canale unico

Il docente consiglia di frequentare

Corso di laurea: Matematica applicata · Laurea magistrale (LM-40) · 1º anno · 2º semestre · Matematica per Data Science - 10 · 6 CFU · a scelta (MaDS/C informatico) / 1º anno · 2º semestre · Matematica per Data Science - 10 · 6 CFU · a scelta (MaDS/C integrativo) / 1º anno · 2º semestre · Matematica per Data Science - 11 · 6 CFU · a scelta (MaDS-11/C integrativo) / 1º anno · 2º semestre · Matematica per Data Science - 11 · 6 CFU · a scelta (MaDS/C informatico)

Sapienza · Scienze Matematiche, Fisiche e Naturali · 6 CFU · apri nel catalogo

Il docente indica 4 testi · da studiare tutti

Testi di riferimento principali

Goodfellow – Deep Learning Vai su Amazon ›Verificato sulla scheda ufficiale il 19/09/2026

Bishop – Deep Learning Vai su Amazon ›Verificato sulla scheda ufficiale il 19/09/2026

Jurafsky – Speech and Language Processing Vai su Amazon ›Verificato sulla scheda ufficiale il 19/09/2026

Murphy – Probabilistic Machine Learning Vai su Amazon ›Verificato sulla scheda ufficiale il 19/09/2026

Bacheca del docente: cosa indica di studiare

Letture e articoli scientifici di riferimento (VAE, GAN, modelli di diffusione, transformer, LLM, RAG, JEPA, modelli multimodali) sono elencati, insieme alle dispense e ai materiali del corso, sul sito ufficiale dell'insegnamento:

Argomenti del programma: Parte I - Fondamenti 1. Teoria della probabilità e algebra lineare per i modelli generativi. 2. Ottimizzazione e teoria dell'informazione. 3. Architetture di deep learning e meccanismo di attenzione (reti convoluzionali, transformer). 4. Apprendimento contrastivo, CLIP e autoencoder (VAE, ELBO). Parte II - Generative AI per le immagini 5. VQ-VAE e Generative Adversarial Networks (GAN): training avversario. 6.

Apri la scheda ufficiale ›

Aiutaci a tenerci aggiornati

Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Altre materie del prof. Silvestri

Generative Artificial Intelligence · Artificial Intelligence and Robotics - Intelligenza Artificiale e Robotica · 1º anno · 2º semestre · 6 CFU · a scelta (Insegnamento caratterizzante a scelta)
Natural Language Processing And Text Mining · Data Science · 1º anno · 2º semestre · 6 CFU · a scelta (Gruppo opzionale B)
Generative Artificial Intelligence · Engineering in Computer Science and Artificial Intelligence - Ingegneria Informatica e Intelligenza Artificiale · 1º anno · 2º semestre · 6 CFU · a scelta (Caratterizzanti ING-INF/05)
Generative Artificial Intelligence · Filosofia e Intelligenza Artificiale · 1º anno · 2º semestre · 6 CFU

Altri esami del 1º anno – Matematica applicata

Computational Mathematics · 2º semestre · Giuseppe Visconti, Simone Cacace
Metodi Matematici in Meccanica Statistica · 2º semestre · Alessandra Faggionato
Metodi Numerici per le Equazioni Alle Derivate Parziali · 2º semestre · Elisabetta Carlini
Principi di Programmazione Matematica · 2º semestre · Saverio Salzo
Programmazione Matematica · 2º semestre · Saverio Salzo
Quantum Machine Learning · 2º semestre · Carlo Presilla
Istituzioni di Analisi Numerica · 1º semestre · Silvia Noschese
Istituzioni di Geometria Superiore · 1º semestre · Gabriele Mondello

Vedi anche: Prof. Fabrizio Silvestri · Generative Artificial Intelligence a Sapienza (tutti i canali)