Metodi e Modelli Matematici per L'Intelligenza Artificiale – Trieste

Università degli Studi di Trieste · Dipartimento di Matematica, Informatica e Geoscienze · tutti i canali con docenti e libri, a.a. 2026/2027

Prof. Stefano Scrobogna Canale unico

Corso di laurea: Intelligenza Artificiale e Data Analytics – sede di Trieste · Laurea triennale (L-31) · 3º anno · 1º semestre · 6 CFU

Trieste · Dipartimento di Matematica, Informatica e Geoscienze · 6 CFU · apri nel catalogo · Intelligenza Artificiale e Data Analytics – sede di Trieste · 3º anno · 1º semestre ›

Il docente indica 6 testi · da studiare tutti

Testi e riferimenti consigliati per approfondimenti

Shalev-Shwartz – Understanding Machine Learning Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

Mohri – Foundations of Machine Learning Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

Nesterov – Lectures on Convex Optimization Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

Brezis – Functional Analysis Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

Rudin – Real and Complex Analysis Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

Stein – Fourier Analysis Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

Bacheca del docente: cosa indica di studiare

Il riferimento principale è costituito dalle dispense del docente, rese disponibili sulla piattaforma del corso.

Argomenti del programma: Il corso introduce gli strumenti matematici fondamentali per lo studio rigoroso dell’intelligenza artificiale e del data analytics. Gli argomenti principali sono: richiami di analisi funzionale e teoria della misura; spazi metrici, normati, di Banach e di Hilbert; spazi di Lebesgue e convergenza; teoremi di approssimazione universale per reti neurali; reti shallow e reti profonde; reti ReLU e funzioni lineari a…

Apri la scheda ufficiale ›

Aiutaci a tenerci aggiornati

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