Materiale integrativo a cura del docente (lucidi del corso, articoli) disponibile sul sito web del corso e sul pagina della classe virtuale del corso (Classroom).
Lo studente non frequentante avrà a disposizione tutte le informazioni e il materiale didattico necessario per svolgere l'esame alle stesse condizioni e con le stesse modalità dello studente frequentante.
Argomenti del programma: INTRODUZIONE ALLE RETI NEURALI. Panoramica del corso, obiettivi, libri di testo e materiale, esami. Preliminari alle reti neurali. Algebra lineare per reti neurali. Regressione lineare e classificazione. Reti neurali completamente connesse. Differenziazione automatica dei programmi (avanti e indietro, prodotti vettoriali Jacobiani, checkpoint). (Rif: [1: Cap. 1, 2, 3, 4, 5, 11, 18]) RETI NEURALI CONVOLUZIONALI.
Generative Models For Audio Canale unico
Ingegneria dell'informazione, informatica e statistica · esame facoltativo · 6 CFU · apri nel catalogo
Argomenti del programma: Il corso introduce i fondamenti teorici e pratici dei modelli generativi profondi per segnali audio. Dopo un richiamo ai principi della modellazione probabilistica e alle rappresentazioni dei segnali audio, vengono presentate le principali famiglie di modelli generativi, evidenziandone le basi matematiche, gli algoritmi di apprendimento e le applicazioni alla sintesi e manipolazione dell'audio. 1.
Neural Networks Canale unico
Ingegneria dell'informazione, informatica e statistica · esame facoltativo · 6 CFU · apri nel catalogo
Il docente non ha ancora pubblicato i testi per questo canale.
Machine Learning For Signal Processing Canale unico
Ingegneria dell'informazione, informatica e statistica · esame facoltativo · 6 CFU · apri nel catalogo
Materiale integrativo a cura del docente (lucidi del corso, articoli) disponibile sul sito web e sul pagina della classe virtuale del corso (Classroom).
Lo studente non frequentante avrà a disposizione tutte le informazioni e il materiale didattico necessario per svolgere l'esame alle stesse condizioni e con le stesse modalità dello studente frequentante.
Argomenti del programma: INTRODUZIONE AL MACHINE LEARNING FOR SIGNAL PROCESSING (MLSP). Utilizzo delle metodologie di machine learning per problemi di elaborazione delle informazioni. Introduzione ai segnali e possibili rappresentazioni. Introduzione alle problematiche di regressione e classificazione. Tassonomia metodologica per l’MLSP. Tipici campi applicativi dell’MLSP. (Rif: [1: Cap. 1], [2: Cap. 1]) CONCETTI DI BASE PER MLSP.
Teoria dei Circuiti Canale unico
Ingegneria dell'informazione, informatica e statistica · 2º anno · 2º semestre · 6 CFU · apri nel catalogo
La registrazione delle lezioni ed eventuale ulteriore materiale utile all'apprendimento sono messi a disposizione in modalità asincrona sul portale Google ClassRoom del corso.
Argomenti del programma: Il corso introduce i concetti fondamentali per la caratterizzazione di strutture elettriche attraverso i modelli circuitali. In sintesi, il programma del corso è dettagliato come segue: 1. Introduzione ai circuiti elettrici [3 ore] 2. Elementi circuitali [12 ore] 3. Circuiti senza memoria [15 ore] 4. Circuiti in regime transitorio [12 ore] 5. Funzione di rete e stabilità [6 ore] 6.
Domande frequenti
Quali libri consiglia il prof. Danilo Comminiello per Machine Learning For Industrial Engineering?
Il docente non ha ancora pubblicato i testi.
Quali libri consiglia il prof. Danilo Comminiello per Neural Networks?
Il docente non ha ancora pubblicato i testi.
Quali libri consiglia il prof. Danilo Comminiello per Neural Networks And Machine Learning?
Il docente non ha ancora pubblicato i testi.
Quali libri consiglia il prof. Danilo Comminiello per Neural Networks?
Alexander – Dive Into Deep Learning; Alice’s Adventures in a Differentiable Wonderland
Quali libri consiglia il prof. Danilo Comminiello per Generative Models For Audio?
[1] D; Modeling – 2nd; Song – The Principles of Diffusion Models; Learning – Teaching Machines to Paint
Quali libri consiglia il prof. Danilo Comminiello per Neural Networks?
Il docente non ha ancora pubblicato i testi.
Quali libri consiglia il prof. Danilo Comminiello per Machine Learning For Signal Processing?
Zachary – Dive Into Deep Learning; Sergios Theodoridis – Machine Learning; Kevin – Machine Learning; Christopher – Pattern Recognition and Machine Learning
Quali libri consiglia il prof. Danilo Comminiello per Teoria dei Circuiti?
Circuiti Elettrici; Rizzi – Esercizi di Elettrotecnica