- Oggetto:
Matematica dell'apprendimento automatico (I SEM)
- Oggetto:
The Mathematics of Machine Learning
- Oggetto:
Anno accademico 2025/2026
- Codice attività didattica
- INT1808
- Docenti
- Elena Cordero
Alessandra De Rossi
Roberta Sirovich
Susanna Terracini (Referente) - Corso di studio
- Corso SSST
- Anno
- 1° anno, 2° anno, 3° anno, 4° anno, 5° anno
- Periodo
- Primo semestre
- Tipologia
- Obbligatorio
- Crediti/Valenza
- 3 (18 ore)
- SSD attività didattica
- MAT/05 - analisi matematica
- Erogazione
- Tradizionale
- Lingua
- Italiano
- Frequenza
- Obbligatoria
- Tipologia esame
- Colloquio
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Fornire agli studenti una comprensione di base del funzionamento delle reti neurali artificiali, includendo i concetti fondamentali (neuroni, funzioni di attivazione, funzioni costo, apprendimento), e introdurre gli strumenti per analizzare, progettare e sperimentare semplici reti neurali.
Provide students with a basic understanding of how artificial neural networks work, including key concepts (neurons, activation functions, cost functions, learning), and introduce tools to analyze, design, and experiment with simple neural networks.
- Oggetto:
Risultati dell'apprendimento attesi
Al termine del corso lo/a studente/studentessa sarà in grado di:
-
Descrivere i concetti fondamentali delle reti neurali artificiali, quali neuroni artificiali, funzioni di attivazione, funzioni di costo e apprendimento.
-
Spiegare il funzionamento di una rete neurale semplice (ad esempio feed-forward) in termini di propagazione in avanti (forward) e retro-propagazione dell’errore (backpropagation).
- Sperimentare con tool o librerie software per implementare, addestrare e valutare una semplice rete neurale, interpretando i risultati ottenuti.
-
Comunicare in modo chiaro e motivato i risultati ottenuti dalla sperimentazione della rete neurale, spiegando le scelte fatte (architettura, parametri, dataset) e riflettendo su possibili evoluzioni o applicazioni future.
Upon successful completion of the course, students will be able to:
-
Describe the fundamental concepts of artificial neural networks, including artificial neurons, activation functions, cost functions, and learning mechanisms.
-
Explain the functioning of a simple neural network (e.g., feed-forward) in terms of forward propagation and error backpropagation.
-
Experiment with tools and software libraries to implement, train, and evaluate a simple neural network, and interpret the results obtained.
-
Communicate clearly and effectively the outcomes of neural network experiments, justifying design choices (architecture, parameters, dataset) and reflecting on potential improvements or future developments.
-
- Oggetto:
Programma
Modulo 1 - Introduzione alle reti neurali
Docenti : Prof.ssa Cordero Elena, Prof.ssa De Rossi Alessandra, Prof.ssa Sirovich Roberta
-neuroni,
-funzioni di attivazione,
-funzioni costo,
-algoritmi per trovare i minimi dei parametri delle reti,
-reti neurali ed esempi
-visualizzazione di una rete neurale in maniera interattiva (simulazione di una rete)Module 1 - Introduction to Neural Networks
Teaching staff : Prof.ssa Cordero Elena, Prof.ssa De Rossi Alessandra, Prof.ssa Sirovich Roberta
• Neurons
• Activation functions
• Cost functions
• Algorithms for finding the minima of the network parameters
• Neural networks and examples
• Interactive visualization of a neural network (network simulation)- Oggetto:
Modalità di insegnamento
L’insegnamento consiste di 18 ore (ovvero 3 moduli da 6 ore) di didattica frontale, suddivise in lezioni della durata di 3 ore ciascuna.
La frequenza è obbligatoria.
The teaching activity comprises 18 hours (i.e., 3 modules of 6 hours each) of face-to-face instruction, organized into lectures of 3 hours each.
Attendance is compulsory.
- Oggetto:
Modalità di verifica dell'apprendimento
L'esame consiste nella redazione di una tesina su un approfondimento a scelta degli argomenti del corso.
La consegna della tesina da parte degli studenti dovrà avvenire entro e non oltre il 30 aprile 2026.
La data della registrazione dell’esame sarà il 22 maggio 2026.
Gli studenti e le studentesse stranieri possono scrivere l'elaborato in inglese.
The exam consists of writing a short paper on a topic chosen by the student as an in-depth study of the course material.
The paper must be submitted no later than April 30, 2026.
The exam registration date will be May 22, 2026.
Testi consigliati e bibliografia
- Oggetto:
- Libro
- Titolo:
- Deep Learning Architectures, A Mathematical Approach
- Anno pubblicazione:
- 2020
- Editore:
- Springer
- Autore:
- Ovidiu Calin
- Obbligatorio:
- No
- Oggetto:
Dispense docente
Teachers’ notes
- Registrazione
- Chiusa
- Apertura registrazione
- 01/08/2025 alle ore 00:00
- Chiusura registrazione
- 30/09/2025 alle ore 23:59
- Oggetto:
