Ingegneria informatica e dell'intelligenza artificiale
Cod 198298
- Laurea magistrale
- 2 anni
- 120 CFU
- LM-32
IINF-05/A
Advanced Machine Learning
Codice: 20830138
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Ingegneria informatica e dell'intelligenza artificiale
- Periodo di erogazione
- Secondo semestre
- CFU
- 9 CFU
- Lingua
- Italiano
- SSD
- IINF-05/A
Moduli
- Advanced Machine Learning - Modulo 1 — 4 CFU IINF-05/A
- Advanced Machine Learning - Modulo 2 — 5 CFU IINF-05/A
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027. L’insegnamento è diviso in canali: ogni canale ha il suo programma.
- Docente
- Fabio Gasparetti
- Curriculum
- Sistemi Informatici Complessi
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 81
- CUIN
- 260011506
Il docente non ha ancora pubblicato il programma di questo canale.
- Docente
- Fabio Gasparetti
- Curriculum
- Ingegneria dei Dati
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 81
- CUIN
- 260011509
Il docente non ha ancora pubblicato il programma di questo canale.
- Docente
- Fabio Gasparetti
- Curriculum
- Intelligenza artificiale e Machine Learning
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 81
- CUIN
- 260011512
Il docente non ha ancora pubblicato il programma di questo canale.
- Docente
- Fabio Gasparetti
- Curriculum
- Algoritmi, Big Data e Machine Learning
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 81
- CUIN
- 260011515
Il docente non ha ancora pubblicato il programma di questo canale.
- Docente
- Fabio Gasparetti
- Curriculum
- Cybersecurity
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 81
- CUIN
- 260011518
Il docente non ha ancora pubblicato il programma di questo canale.
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Ingegneria informatica
Gli obiettivi sono fornire competenze 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.
Informazioni utili
Per questo insegnamento non sono pubblicate informazioni aggiuntive. Materiale didattico e documenti si trovano sulla piattaforma del corso.