Libri UniversitariZoom 100%

Prof. Davide Evangelista: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 1
Bologna 1 insegnamento
Facoltà: Scienze

Prof. Davide Evangelista: Generative Ai: Metodi e Applicazioni

5,4difficoltà
Bologna · Facoltà: Scienze · Informatica per il management (L-31)
Di cosa si tratta: Teoria della probabilità e dell'informazione come base per i modelli generativi: panoramica di CNN, UNet e Transformers, quindi generazione di immagini con autoencoder variazionali, reti generative avversarie, modelli di diffusione e flow matching, con limiti e prospettive. Segue il trattamento dei modelli di linguaggio: tokenizer, embedder, next-token prediction, pre-training e fine-tuning.

Dettagli corso

3º annoCorso: L-31
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Dispense del corso rilasciate agli studenti tramite Virtuale
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Prince – Understanding Deep LearningISBN 9780262048644
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
527 pagine
Difficoltà
8,6
Murphy – Probabilistic Machine LearningISBN 9780262048439
Tempo di studio del libro13 settimane (3 mesi)
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
1319 pagine
Difficoltà
5,4
Foster – Generative Deep LearningISBN 9781098134181
Tempo di studio del libro≈ 4,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
426 pagine
Difficoltà
5,4
Grootendorst – Hands-On Large Language ModelsISBN 9781098150969
Tempo di studio del libro≈ 4,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
2 materie
Tipo
Manuale
Pagine
403 pagine
Difficoltà
5,5
Domande possibili all’esame
  1. Che cosa distingue un modello generativo da un modello discriminativo?
  2. Come funziona un autoencoder variazionale e quale ruolo ha lo spazio latente?
  3. In che modo una rete generativa avversaria addestra generatore e discriminatore?
  4. Che cosa significa modello di diffusione e come si compie il processo di aggiunta e rimozione del rumore?
  5. Quali vantaggi e svantaggi presentano i modelli di flow matching rispetto ai modelli di diffusione?
  6. Come un tokenizer suddivide un testo in unità elementari per un modello linguistico?
  7. Che cosa sono gli embedding e perché rappresentano il significato in uno spazio vettoriale?
  8. Come si calcola la probabilità del token successivo in un modello linguistico autoregressivo?
  9. Qual è la differenza tra pre-training e fine-tuning di un grande modello linguistico?
  10. In che cosa consiste il chain-of-thought e perché può migliorare il ragionamento su problemi complessi?
  11. Come la generazione aumentata da recupero di documenti riduce le risposte non fondate?
  12. Quali componenti deve avere un agente che usa strumenti esterni per completare un compito?
  13. Che cosa si intende per specializzazione di un modello su un dominio specifico?
  14. Come si valuta la qualità di un testo prodotto da un modello linguistico?
  15. In che modo un modello multimodale elabora insieme testo e immagini?
  16. Quali problemi etici e di distorsione possono emergere da un generatore di contenuti?
  17. Come si confrontano le metriche di distribuzione usate per valutare immagini generate?
  18. Che cosa significa generare un'immagine a partire da una descrizione testuale?
  19. Quali differenze esistono tra addestramento supervisionato e auto-supervisionato in questo ambito?
  20. Come si può verificare sperimentalmente l'effetto di un cambiamento nella temperatura di campionamento?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Domande frequenti Libri, programma ed esami del prof. Davide Evangelista a Bologna

Che libro usa il prof. Davide Evangelista per Generative Ai: Metodi e Applicazioni a Bologna?

Per Generative Ai: Metodi e Applicazioni (Canale unico) indica come obbligatorio: Prince – Understanding Deep Learning, Murphy – Probabilistic Machine Learning, Foster – Generative Deep Learning, Grootendorst – Hands-On Large Language Models.

Quanto è impegnativo Generative Ai: Metodi e Applicazioni?

6 CFU, difficoltà stimata 5.4 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.