Topic 5 – Deep Learning Essentials
Modulo 13 — Deep Learning Introduction
Prof. Andrea Mercuri - Introduzione a PyTorch. Il neurone computazionale e le funzioni di attivazione. Lo strato denso
Il Multilayer Perceptron. L'ultimo strato in task di classificazione e regressione.
Addestramento delle reti neurali: backpropagation e discesa del gradiente.
Introduzione alle reti convoluzionali per la Computer Vision
Introduzione all’architettura Transformer e ai modelli linguistici
Il modulo introduce al Deep Learning partendo dalle basi storiche e teoriche delle reti neurali, per poi passare alla loro realizzazione pratica con PyTorch. Vengono studiate le architetture fondamentali: Multilayer Perceptron, reti convoluzionali e Transformer. Come casi d'uso, gli studenti affrontano la classificazione di immagini e i principi di funzionamento di un modello di linguaggio.
Modulo 14a — Deep Learning Applications
Prof. Andrea Mercuri - Contenuti: CNN per immagini, LSTM per serie storiche, GenAI (modalità asincrona)
Contenuti: CNN per immagini, LSTM per serie storiche, GenAI
Il modulo, che prosegue il percorso del Deep Learning, è dedicato alle applicazioni concrete. Si utilizza la libreria Hugging Face per lavorare con modelli pre-addestrati, si affrontano applicazioni di Computer Vision anche con YOLO e si introducono le LSTM per l'analisi di serie temporali. Il modulo si chiude con un'introduzione all'uso delle API dei principali LLM per integrare questi modelli nelle applicazioni.