Obiettivi formativi
La prima giornata sarà dedicata al Machine Learning, alle tipologie di apprendimento, algoritmi di base e valutazioni dei modelli. La seconda giornata sarà dedicata al Deep Learning e alle reti neurali con un approfondimento sulle architetture, framework e strumenti disponibili. Alla parte di presentazione frontale verranno fatte seguire presentazioni di alcune applicazioni pratica ed esempi reali.
Programma dettagliato
Modulo A: Machine Learning
- Tipi di apprendimento: supervisionato, non supervisionato, per rinforzo.
- Algoritmi di base: regressioni lineari, regressioni logistiche, clustering, etc.
- Valutazione dei modelli: overfitting, underfitting, validazione incrociata, etc.
- Applicazioni pratiche: esempi reali di implementazione degli algoritmi presentati su dataset reali o utilizzati in letteratura
Modulo B: Deep Learning e Reti Neurali
- Architetture di reti neurali: percettroni, reti convoluzionali, reti ricorrenti, etc.
- Framework e strumenti: TensorFlow, PyTorch, Keras
- Applicazioni pratiche: Computer Vision, elaborazione del linguaggio naturale.
Metodologia didattica
Il corso adotta un approccio teorico-pratico, alternando presentazioni concettuali con dimostrazioni pratiche dei software e delle tecnologie discusse.
Risultati attesi
Al termine del corso, i partecipanti avranno acquisito:
- Competenze teoriche: una solida comprensione dei concetti chiave del Machine Learning e del Deep Learning
- Capacità di valutazione e selezione dei modelli: competenze necessarie per identificare problemi di overfitting e underfitting, applicare tecniche di validazione incrociata e selezionare l’algoritmo più appropriato per specifici casi d’uso
- Competenze operative con framework e strumenti: familiarità pratica con i principali framework di deep learning per implementare soluzioni di base per applicazioni.
Materiale didattico
Ai partecipanti verranno fornite le presentazioni utilizzate durante il corso e materiale informativo supplementare sulle tecnologie e i codici presentati.
Iscrizione disponibile qui