|
Descrizione dell'insegnamento |
|
Il corso propone una introduzione del Machine Learning, del Deep Learning e del Natural Language Processing. Il corso è concepito per studenti che desiderano cimentarsi nell’uso di reti neuronali nell’ambito dei Beni Culturali.
In particolare, il corso mira a fornire una visione ampia delle reti neuronali partendo da concetti base, come definizione del concetto di Intelligenza Artificiale e il Percettrone, fino ad arrivare ad architetture attuali e più complesse come i Transformers. Inoltre, nel corso si potranno osservare, tramite lavori presi dalla letteratura, applicazioni nel campo dei Beni Culturali come la ricostruzione di disegni di Van Gogh attraverso algoritmi di Deep Learning.
|
|
Concetti base di matematica a livello di scuola superiore.
Abilità informatiche di base
|
|
L’obiettivo principale è fornire allo studente gli strumenti teorici e pratici per iniziare un percorso nel mondo dell’Intelligenza Artificiale applicato ai Beni Culturali |
|
1. Definizione di Intelligenza Artificiale e introduzione al Natural Language Processing, campo che si occupa di algoritmi in grado di elaborare dati testuali;
2. Introduzione al Machine Learning e descrizione dell’unità computazionale base delle reti neuronali
3. Introduzione all’architettura: Modello di Hopfield
4. Introduzione alle architetture: Percettrone Multistrato e Reti Convoluzionali
5. Introduzione alle architetture: Reti Ricorrenti e Transformers
6. Esempi di applicazione di Reti Convoluzionali a disegni di Van Gogh e Trascrizione Automatica
|
|
Artificial Intelligence: A Modern Approach, S. Russell e P. Norvig, Prentice Hall,2020, Fourth Edition
Deep Learning, I. Goodfellow, Y.Bengio, A. Cournville
Neuronal Dynamics: from single neurons to networks and model of cognition, W. Gerstner, W. M. Kistler, R. Naud and L. Paninski
Natural Language Processing: A Textbook with Python, Raymond S. T. Lee, Springer
|
|
1. Introduzione al corso, breve descrizione del corso e delle modalità di esame
2. Introduzione alla programmazione con linguaggio Python
3. Esercitazione su Modello di Hopfield o Percettrone a 3 input (da definire)
4. Esercitazione su Reti Convoluzionali e MLP
5. Esercitazione Reti Ricorrenti
|
|
|