Prof. Davide Maltoni: Machine Learning e Deep Learning
9,5difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria e scienze informatiche - sede di Cesena (LM-18)
Di cosa si tratta: Algebra lineare, calcolo e differenziazione automatica sostengono l'introduzione al deep learning. Le reti neurali sono affrontate con backpropagation e algoritmi di ottimizzazione, quindi si passa alle reti convoluzionali, alle reti ricorrenti, ai Transformers e agli autoencoder. Completano il quadro i modelli generativi, il reinforcement learning e un esempio pratico di elaborazione del linguaggio naturale.
Link affiliati Amazon di ricerca: il prezzo per te non cambia.
Domande possibili all’esame
Quali differenze esistono tra apprendimento supervisionato, non supervisionato e per rinforzo?
Perche la funzione di attivazione non lineare e necessaria in una rete neurale?
Come agisce la backpropagation per aggiornare i pesi di una rete?
Quale problema causa il vanishing gradient nelle reti profonde?
Come funziona il dropout come tecnica di regolarizzazione?
Che cosa cambia tra gradient descent e stochastic gradient descent?
Quale vantaggio offre Adam rispetto a SGD con momentum?
Come la batch normalization stabilizza l'addestramento di una rete?
Quale operazione svolge un livello di convoluzione in una CNN?
Perche le CNN sono adatte all'elaborazione di immagini piu di un MLP?
Come si differenziano le RNN dalle LSTM nella gestione delle dipendenze lunghe?
Che cosa implementa il meccanismo di attenzione nei Transformer?
Come agisce un autoencoder per apprendere una rappresentazione compressa?
Quale principio alla base delle GAN contrappone generatore e discriminatore?
Come si scelgono le funzioni di attivazione sigmoid, ReLU e softmax?
Quali metriche valutano un classificatore multiclasse?
Come l'inizializzazione dei pesi influenza la convergenza della rete?
Che cos'e il trasferimento dell'apprendimento e quando e utile?
Come si previene l'overfitting in una rete profonda con dati limitati?
Come si confrontano architetture come LeNet e ResNet nel riconoscimento di immagini?
Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.
Domande frequenti Libri, programma ed esami del prof. Davide Maltoni a Bologna
Che libro usa il prof. Davide Maltoni per Machine Learning e Deep Learning a Bologna?
Per Machine Learning e Deep Learning (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Bishop – Deep Learning, Chollet – Deep Learning with Python (2nd edition), Zhang – Dive into Deep Learning, Elgendy – Deep Learning for Vision Systems, Geron – Hands-on Machine Learning with Scikit-Learn, Nielsen – Neural Networks and Deep Learning, Goodfellow – Deep Learning.
Quanto è impegnativo Machine Learning e Deep Learning?
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