Libri UniversitariZoom 100%

Prof. Matteo Ferrara: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 2
Bologna 2 insegnamenti
Facoltà: Ingegneria e architettura

Prof. Matteo Ferrara: 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.

Dettagli corso

1º annoCorso: LM-18
CFU: 12Canale: Unico
🕒 Orario lezioni
  • Lun13–16AULA 2.1
  • Ven9–11LAB. 2.2 VELA, AULA 2.11

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Dispense a cura del docente disponibili su Virtuale
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 7 libri
Bishop – Deep LearningISBN 9783031454677
Tempo di studio del libro≈ 7 settimane
Obbligatorietà
Facoltativo
Adottato in
4 materie
Tipo
Manuale
Pagine
649 pagine
Difficoltà
7,6
Chollet – Deep Learning with Python (2nd edition)ISBN 9781633436589
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
Zhang – Dive into Deep LearningISBN 9781009389433
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
548 pagine
Difficoltà
9,5
Elgendy – Deep Learning for Vision SystemsISBN 9781617296192
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
458 pagine
Difficoltà
9,5
Geron – Hands-on Machine Learning with Scikit-LearnISBN 9798341607989
Tempo di studio del libro≈ 9,5 settimane
Obbligatorietà
Facoltativo
Adottato in
2 materie
Tipo
Manuale
Pagine
845 pagine
Difficoltà
8,8
Nielsen – Neural Networks and Deep LearningISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
Goodfellow – Deep LearningISBN 9789732345528
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
787 pagine
Difficoltà
9,5
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Manuale di Python
Cerca su Amazon

Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Quali differenze esistono tra apprendimento supervisionato, non supervisionato e per rinforzo?
  2. Perche la funzione di attivazione non lineare e necessaria in una rete neurale?
  3. Come agisce la backpropagation per aggiornare i pesi di una rete?
  4. Quale problema causa il vanishing gradient nelle reti profonde?
  5. Come funziona il dropout come tecnica di regolarizzazione?
  6. Che cosa cambia tra gradient descent e stochastic gradient descent?
  7. Quale vantaggio offre Adam rispetto a SGD con momentum?
  8. Come la batch normalization stabilizza l'addestramento di una rete?
  9. Quale operazione svolge un livello di convoluzione in una CNN?
  10. Perche le CNN sono adatte all'elaborazione di immagini piu di un MLP?
  11. Come si differenziano le RNN dalle LSTM nella gestione delle dipendenze lunghe?
  12. Che cosa implementa il meccanismo di attenzione nei Transformer?
  13. Come agisce un autoencoder per apprendere una rappresentazione compressa?
  14. Quale principio alla base delle GAN contrappone generatore e discriminatore?
  15. Come si scelgono le funzioni di attivazione sigmoid, ReLU e softmax?
  16. Quali metriche valutano un classificatore multiclasse?
  17. Come l'inizializzazione dei pesi influenza la convergenza della rete?
  18. Che cos'e il trasferimento dell'apprendimento e quando e utile?
  19. Come si previene l'overfitting in una rete profonda con dati limitati?
  20. Come si confrontano architetture come LeNet e ResNet nel riconoscimento di immagini?

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

Prof. Matteo Ferrara: Deep Learning

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria e scienze informatiche - sede di Cesena (LM-18)
Di cosa si tratta: Reti neurali lineari, trade-off bias-varianza, multilayer perceptron, backpropagation e autoencoder aprono lo studio. Seguono le reti convolutive per le immagini e la computer vision, le reti ricorrenti, word embedding, modelli seq2seq e transformer per le sequenze, e i modelli generativi come i Variational Autoencoders, oltre a ottimizzazione e algoritmi basati sul gradiente.

Dettagli corso

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 7 libri
Bishop – Deep LearningISBN 9783031454677
Tempo di studio del libro≈ 7 settimane
Obbligatorietà
Facoltativo
Adottato in
4 materie
Tipo
Manuale
Pagine
649 pagine
Difficoltà
7,6
Chollet – Deep Learning with Python (2nd edition)ISBN 9781633436589
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
Zhang – Dive into Deep LearningISBN 9781009389433
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
548 pagine
Difficoltà
5,4
Elgendy – Deep Learning for Vision SystemsISBN 9781617296192
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
458 pagine
Difficoltà
5,4
Geron – Hands-on Machine Learning with Scikit-LearnISBN 9798341607989
Tempo di studio del libro≈ 9,5 settimane
Obbligatorietà
Facoltativo
Adottato in
2 materie
Tipo
Manuale
Pagine
845 pagine
Difficoltà
8,8
Nielsen – Neural Networks and Deep LearningISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
Goodfellow – Deep LearningISBN 9789732345528
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
787 pagine
Difficoltà
5,4
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Manuale di Python

Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che cosa distingue una rete neurale profonda da una rete con un solo strato nascosto?
  2. Come funziona la retropropagazione dell'errore attraverso più strati?
  3. Perché la funzione di attivazione ReLU riduce il problema del gradiente che svanisce?
  4. Quali differenze esistono tra una rete convoluzionale e una rete ricorrente?
  5. Come si confrontano le reti generative avversarie con gli autoencoder?
  6. In che modo il dropout riduce l'overfitting durante l'addestramento?
  7. Come si inizializzano i pesi di una rete profonda per favorire la convergenza?
  8. Quali vantaggi offre il transfer learning quando i dati etichettati sono pochi?
  9. Come si calcola il numero di parametri di uno strato convoluzionale?
  10. Perché il meccanismo di attenzione migliora l'elaborazione di sequenze lunghe?
  11. Come si scelgono la dimensione del batch e il tasso di apprendimento?
  12. Quali tecniche di normalizzazione stabilizzano l'addestramento di una rete profonda?
  13. Come si valuta la capacità di generalizzazione di una rete su un insieme di test?
  14. Quali risorse computazionali richiede l'addestramento di una rete di grandi dimensioni?
  15. In che modo il campo recettivo di una convoluzione influenza le caratteristiche estratte?
  16. Come si confrontano le architetture a residui con quelle sequenziali classiche?
  17. Quali problemi emergono quando un modello viene applicato a dati diversi da quelli di addestramento?
  18. Come si interpreta una mappa di attivazione in un modello di visione?
  19. Perché la quantizzazione dei pesi riduce il costo di inferenza su dispositivi limitati?
  20. Come si regola l'ottimizzatore Adam rispetto alla discesa del gradiente stocastica?

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

Scorri di lato: 2 insegnamenti →

Domande frequenti Libri, programma ed esami del prof. Matteo Ferrara a Bologna

Che libro usa il prof. Matteo Ferrara 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.

Che libro usa il prof. Matteo Ferrara per Deep Learning a Bologna?

Per 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 Deep Learning?

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.