Intelligenza Artificiale per l’Elaborazione dei Segnali

Il corso introduce i principi e i metodi fondamentali utilizzati nell'intelligenza artificiale, inclusi i principali paradigmi di machine learning e deep learning, con un focus specifico sugli approcci volti a rivelare le informazioni rilevanti nascoste nei segnali raccolti in applicazioni del mondo reale, come quelli associati a sensori elettrici e meccanici, audio e parlato, immagini e video, o tracciati biologici e medicali, tra molti altri.

Conoscenze relativi a variabili e processi aleatori

S. Nolan and T. Heinzen, "Statistics for the Behavioral Sciences"
G. James, D. Witten, T. Hastie, R. Tibshirani, "An Introduction to Statistical Learning"
K. P. Murphy, "Machine Learning - A Probabilistic Perspective"
S. Theodoridis and K. Koutroumbas, "Pattern Recognition"
T. A. Runkler, "Data Analytics - Models and Algorithms for Intelligent Data Analysis"
I. Goodfellow, Y. Bengio, A. Courville, "Deep Learning"

Materiale didattico ulteriore fornito dal docente

Lezioni in aula, esercitazioni, presentazioni assegnate

Frequenza come da regolamento

Discussione