Il corso propone un’introduzione alle reti neurali multilivello, al meccanismo di back‑propagation e al training tramite discesa del gradiente. Si approfondiscono poi architetture convoluzionali (CNN) per visione artificiale e reti ricorrenti (RNN, LSTM, GRU, Transformer) per serie temporali e NLP.
A chi si rivolge:
Il corso è pensato per dottorandi in Informatica e studenti di corsi magistrali in discipline affini (AI, Data Science, Ingegneria informatica). È consigliata una conoscenza di base di algebra lineare, statistica e programmazione in Python. Indicato per chi desidera acquisire competenze pratiche e teoriche nel campo del Deep Learning.