Libri UniversitariProf. Farid Melgani
Università di Trento · Dipartimento di Ingegneria e Scienza dell'Informazione · libri consigliati e cosa studiare, a.a. 2026/2027
Libri adottati dal prof. Farid Melgani
- Duda – 2nd Edition – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Koutroumbas – 1st edition – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Vapnik – Statistical Learning Theory – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- I. Goodfellow, Y. Bengio and A. Courville. Deep – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Cristianini – Kernel Methods for Pattern Analysis – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Simon – Understanding Deep Learning – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Duda – Pattern classification – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Theodoridis – Pattern recognition – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Vapnik – Statistical learning theory – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Goodfellow – Deep learning – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Shawe-Taylor – Kernel methods for pattern analysis – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
- Prince – Understanding deep learning – Deep Learning (Computer Science – sede di Trento, esame facoltativo · ICT Innovation · 6 CFU)
Materie del prof. Farid Melgani
Machine Learning Canale unico
Corso di laurea: Artificial Intelligence Systems – sede di Trento · Laurea magistrale (LM-32) · 1º anno · 1º semestre · Methodologies and Applications · 12 CFU
Apri la scheda ufficiale ›Ai For Food Quality Control Canale unico
Corso di laurea: Artificial Intelligence Systems – sede di Trento · Laurea magistrale (LM-32) · esame facoltativo · Systems · 6 CFU
Libri consigliati nell'a.a. 2025/2026
Deep Learning Canale unico
Corso di laurea: Computer Science – sede di Trento · Laurea magistrale (LM-18) · esame facoltativo · ICT Innovation · 6 CFU
Il docente indica 12 testi · da studiare tutti
Bacheca del docente: cosa indica di studiare
- Materiale proiettato a lezione.
Recognition Systems Canale unico
Corso di laurea: Information Engineering – sede di Trento · Laurea magistrale (LM-27) · esame facoltativo · 12 CFU
Apri la scheda ufficiale ›Deep Learning Canale unico
Corso di laurea: Intelligent Mechatronics Engineering – sede di Trento · Laurea magistrale (LM-33) · esame facoltativo · Intelligent Vehicles · 6 CFU
Il docente indica 12 testi · da studiare tutti
Bacheca del docente: cosa indica di studiare
- Materiale proiettato a lezione.
Domande frequenti
Quali libri consiglia il prof. Farid Melgani per Deep Learning (Computer Science – sede di Trento, canale unico)?
Duda – 2nd Edition; Koutroumbas – 1st edition; Vapnik – Statistical Learning Theory; I. Goodfellow, Y. Bengio and A. Courville. Deep; Cristianini – Kernel Methods for Pattern Analysis; Simon – Understanding Deep Learning; Duda – Pattern classification; Theodoridis – Pattern recognition; Vapnik – Statistical learning theory; Goodfellow – Deep learning; Shawe-Taylor – Kernel methods for pattern analysis; Prince – Understanding deep learning
Quali libri consiglia il prof. Farid Melgani per Deep Learning (Intelligent Mechatronics Engineering – sede di Trento, canale unico)?
Duda – 2nd Edition; Koutroumbas – 1st edition; Vapnik – Statistical Learning Theory; I. Goodfellow, Y. Bengio and A. Courville. Deep; Cristianini – Kernel Methods for Pattern Analysis; Simon – Understanding Deep Learning; Duda – Pattern classification; Theodoridis – Pattern recognition; Vapnik – Statistical learning theory; Goodfellow – Deep learning; Shawe-Taylor – Kernel methods for pattern analysis; Prince – Understanding deep learning