1. [I]nfo
  2. [M]oduli
  3. [B]acheca
  4. [P]rogramma
  5. [O]rari
  6. [E]sami
  7. E[v]enti
  8. [F]iles

Programma di Machine Learning:

Esempi di problemi di machine learning e introduzione all'apprendimento statistico Apprendimento statistico: concetti generali. Regressione Lineare. Ottimizzazione non vincolata: condizioni di ottimo, algoritmi di soluzione: condizioni di convergenza globale, ricerca di linea, metodo del gradiente, metodo del gradiente stocastico e metodo del gradiente incrementale. Reti neurali shallow: perceptron e suo addestramento. Reti feedforward MLP (Multi Layer Perceptron), addestramento tramite batch propagation e con tecniche di decomposizione. Reti RBF e addestramento. Addestramento di reti deep tramite gradiente stocastico e gradiente incrementale. Reti deep: Introduzione al deep learning. Regolarizzazione con Dropout. Convolutional Layer vs Fully Connected. Iperparamenti della convoluzione: Padding, Stride, Num Filters. Max Pooling. Convolutional neural network: Architettura Generale. CNN per classificazione di immagini. Transfer Learning. Data Augmentation .

 

Software: Tensorflow con progetto pratico su un problema di classificazione per immagini
2021 © Università di TorVergata  |  FAQ  |  Contatta la Redazione  |