Deep learning con applicazioni
A.A. 2025/2026
Learning objectives
L'insegnamento affronta il tema dell'apprendimento profondo (Deep Learning) da un punto di vista teorico e pratico, introduce i diversi elementi di base dell'apprendimento (modelli non lineari, tecniche di minimizzazione, convalida incrociata e ottimizzazione degli iperparametri) e si sofferma sui principali modelli di apprendimento supervisionato, non supervisionato e per rinforzo.
Expected learning outcomes
Al termine dell'insegnamento lo studente sarà in grado di:
- illustrare modelli di apprendimento profondo nel contesto di apprendimento
supervisionato, non supervisionato e per rinforzo.
- identificare modelli di apprendimento profondo adeguati alla risoluzione di
problemi in ambito di fisica e oltre.
- utilizzare software e librerie per lo sviluppo di modelli di apprendimento
profondo.
- illustrare modelli di apprendimento profondo nel contesto di apprendimento
supervisionato, non supervisionato e per rinforzo.
- identificare modelli di apprendimento profondo adeguati alla risoluzione di
problemi in ambito di fisica e oltre.
- utilizzare software e librerie per lo sviluppo di modelli di apprendimento
profondo.
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Course syllabus and organization
Edizione unica
Periodo
Secondo semestre
Programma
Il programma è condiviso con i seguenti insegnamenti:
- [FBP-102](https://www.unimi.it/it/ugov/of/af2026000fbp-102)
- [FBP-102](https://www.unimi.it/it/ugov/of/af2026000fbp-102)
FIS/02 - FISICA TEORICA, MODELLI E METODI MATEMATICI - CFU: 6
Lezioni: 42 ore
Docente:
Carrazza Stefano
Professor(s)
Ricevimento:
Lunedi a venerdi a partire dalle 12:30
Via Celoria 16, ufficio DC/1/4