Prof. Claudio Sartori: Machine Learning And Deep Learning I.C.
9,5difficoltà
Bologna · Facoltà: Ingegneria e architettura · Automation Engineering (LM-25)
Di cosa si tratta: Reti neurali e deep learning si studiano a partire dal loro tipico meccanismo di addestramento, l'algoritmo di backpropagation. Vengono discussi i principali tipi di reti, feed forward, convoluzionali e ricorrenti, con esempi di architetture utili per elaborazione di immagini, localizzazione, segmentazione, trasferimento di stile ed elaborazione del testo, e tecniche per visualizzare il comportamento delle unità neurali nascoste.
Link affiliati Amazon di ricerca: il prezzo per te non cambia.
Domande possibili all’esame
Che cosa distingue il machine learning dal deep learning nella pratica?
Come si divide un insieme di dati in training, validation e test?
Quale differenza c'è tra classificazione e regressione come compiti di apprendimento?
Come si evita il sovradattamento in una rete neurale profonda?
Che cosa rappresenta la funzione di perdita e come guida l'addestramento?
Come funziona la retropropagazione dell'errore nell'addestramento di una rete?
Quali metriche si usano per valutare un modello di classificazione sbilanciato?
In che modo le reti convoluzionali sfruttano la struttura locale delle immagini?
Quale ruolo hanno le funzioni di attivazione nella capacità di una rete?
Come si applica il dropout come tecnica di regolarizzazione?
Quali vantaggi offrono le reti ricorrenti per dati sequenziali?
Come si sceglie il tasso di apprendimento in un algoritmo di discesa del gradiente?
Che cosa si intende per trasferimento di apprendimento e quando è utile?
Come si interpreta una matrice di confusione per un modello multiclasse?
In che modo la normalizzazione dei dati aiuta la convergenza dell'addestramento?
Quali sono i limiti di un modello di apprendimento quando i dati sono scarsi?
Come si confrontano modelli di complessità diversa su un problema di regressione?
Che cosa significa generalizzazione e come si misura in pratica?
Quale ruolo ha la scelta dell'architettura nella qualità della predizione?
Come si documenta un esperimento di apprendimento automatico perché sia riproducibile?
Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.
Domande frequenti Libri, programma ed esami del prof. Claudio Sartori a Bologna
Che libro usa il prof. Claudio Sartori per Machine Learning And Deep Learning I.C. a Bologna?
Per Machine Learning And Deep Learning I.C. (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: I.Goodfellow, Y.Bengio, A.Courville Deep Learning . MIT Press.
Quanto è impegnativo Machine Learning And Deep Learning I.C.?
12 CFU, difficoltà stimata 9.5 su 10 rispetto agli esami della stessa area.
Dove trovo la scheda ufficiale di un esame?
Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy