Programma

Gli obiettivi sono fornire compete avanzate e specifiche nell'ambito dei più recenti modelli e tecnologie di apprendimento automatico. Il corso consentirà la risoluzione di problemi complessi attraverso una adeguata formulazione del problema e la definizione di modelli e rappresentazioni della conoscenza più adatte, e le tecniche di implementazione più efficiente per l’implementazione degli algoritmi di machine learning. Si approfondiranno le diverse tecniche di reinforcement learning e i domini di impiego; e si introdurranno modelli dello stato dell’arte, quali graph neural networks e tecniche di tuning e autotuning.
Il corso è costituito da una parte teorica e metodologica su concetti avanzati e innovativi, e da una attività laboratoriale in cui tali concetti sono applicati nella risoluzione di problemi mediante i più recenti framework di sviluppo.

Testi Adottati

Dispense a cura del docente.

Modalità Frequenza

IT: La frequenza non è obbligatoria

Modalità Valutazione

Prova scritta, prova pratica

Programma

Gli obiettivi sono fornire compete avanzate e specifiche nell'ambito dei più recenti modelli e tecnologie di apprendimento automatico. Il corso consentirà la risoluzione di problemi complessi attraverso una adeguata formulazione del problema e la definizione di modelli e rappresentazioni della conoscenza più adatte, e le tecniche di implementazione più efficiente per l’implementazione degli algoritmi di machine learning. Si approfondiranno le diverse tecniche di reinforcement learning e i domini di impiego; e si introdurranno modelli dello stato dell’arte, quali graph neural networks e tecniche di tuning e autotuning.
Il corso è costituito da una parte teorica e metodologica su concetti avanzati e innovativi, e da una attività laboratoriale in cui tali concetti sono applicati nella risoluzione di problemi mediante i più recenti framework di sviluppo.

Testi Adottati

Dispense a cura del docente.

Modalità Frequenza

IT: La frequenza non è obbligatoria

Modalità Valutazione

Prova scritta, prova pratica

Programma

Gli obiettivi sono fornire compete avanzate e specifiche nell'ambito dei più recenti modelli e tecnologie di apprendimento automatico. Il corso consentirà la risoluzione di problemi complessi attraverso una adeguata formulazione del problema e la definizione di modelli e rappresentazioni della conoscenza più adatte, e le tecniche di implementazione più efficiente per l’implementazione degli algoritmi di machine learning. Si approfondiranno le diverse tecniche di reinforcement learning e i domini di impiego; e si introdurranno modelli dello stato dell’arte, quali graph neural networks e tecniche di tuning e autotuning.
Il corso è costituito da una parte teorica e metodologica su concetti avanzati e innovativi, e da una attività laboratoriale in cui tali concetti sono applicati nella risoluzione di problemi mediante i più recenti framework di sviluppo.

Testi Adottati

Dispense a cura del docente.

Modalità Frequenza

IT: La frequenza non è obbligatoria

Modalità Valutazione

Prova scritta, prova pratica

Programma

Gli obiettivi sono fornire compete avanzate e specifiche nell'ambito dei più recenti modelli e tecnologie di apprendimento automatico. Il corso consentirà la risoluzione di problemi complessi attraverso una adeguata formulazione del problema e la definizione di modelli e rappresentazioni della conoscenza più adatte, e le tecniche di implementazione più efficiente per l’implementazione degli algoritmi di machine learning. Si approfondiranno le diverse tecniche di reinforcement learning e i domini di impiego; e si introdurranno modelli dello stato dell’arte, quali graph neural networks e tecniche di tuning e autotuning.
Il corso è costituito da una parte teorica e metodologica su concetti avanzati e innovativi, e da una attività laboratoriale in cui tali concetti sono applicati nella risoluzione di problemi mediante i più recenti framework di sviluppo.

Testi Adottati

Dispense a cura del docente.

Modalità Frequenza

IT: La frequenza non è obbligatoria

Modalità Valutazione

Prova scritta, prova pratica

Programma

Gli obiettivi sono fornire compete avanzate e specifiche nell'ambito dei più recenti modelli e tecnologie di apprendimento automatico. Il corso consentirà la risoluzione di problemi complessi attraverso una adeguata formulazione del problema e la definizione di modelli e rappresentazioni della conoscenza più adatte, e le tecniche di implementazione più efficiente per l’implementazione degli algoritmi di machine learning. Si approfondiranno le diverse tecniche di reinforcement learning e i domini di impiego; e si introdurranno modelli dello stato dell’arte, quali graph neural networks e tecniche di tuning e autotuning.
Il corso è costituito da una parte teorica e metodologica su concetti avanzati e innovativi, e da una attività laboratoriale in cui tali concetti sono applicati nella risoluzione di problemi mediante i più recenti framework di sviluppo.

Testi Adottati

Dispense a cura del docente.

Modalità Frequenza

IT: La frequenza non è obbligatoria

Modalità Valutazione

Prova scritta, prova pratica