RETI NEURALI PROFONDE

182111

Attivita' formativa monodisciplinare

Scheda dell'insegnamento

Codice dell'attivita' formativa:

ECBA018

Anno accademico di regolamento:

2020

Anno di erogazione:

2021/2022

Tipologia di insegnamento:

Caratterizzante

Afferenza:

Corso di Laurea Magistrale in ECONOMIA E BUSINESS ANALYTICS

Settore disciplinare:

PROBABILITA' E STATISTICA MATEMATICA (MAT/06)

Lingua:

Italiano

Sede:

PESCARA

Crediti:

Anno di corso:

Ciclo:

Secondo Semestre

Ore di attivita' frontale:

Ore di studio individuale:

102

Prerequisiti:

Lo studente deve possedere le conoscenze di base del calcolo differenziale e dell’algebra lineare.

Obiettivi formativi e risultati di apprendimento attesi

L’obiettivo formativo per lo studente è che raggiunga i seguenti risultati di apprendimento:

Conoscenza e capacità di comprensione

Il corso si propone di fornire le conoscenze di base sul tipo fondamentale di reti neurali profonde, cioè le reti feedforward. A questo scopo il corso fornirà anche le necessarie conoscenze di calcolo delle probabilità.

Capacità di applicare conoscenza e comprensione

Alla fine del corso gli studenti dovranno essere in grado di portare avanti, in gruppo, un progetto applicativo che verrà assegnato dal docente; a conclusione del progetto, il gruppo dovrà stendere una relazione in cui verranno discusse le metodologie scelte e i risultati ottenuti.
La capacità di applicare conoscenza e comprensione verrà inoltre verificata anche attraverso un esame scritto individuale, in cui verranno svolti esercizi e risolti problemi.

Ci si attende che la capacità di utilizzare le reti neurali feedforward venga utilizzata in contesti professionali e per scopi diversi, ma eventualmente anche nella pubblica amministrazione o nell'attività di ricerca.

Inglese:

The educational goal is the following:

Knowledge and understanding

The course aims at giving a basic knowledge of the main type of deep neural network, i.e. feedforward networks. To this end the course will also supply the necessary notions of probability.

Ability to apply knowledge and understanding

Et the end of the course students must be able to to carry out a group project on some application that will be assigned by the teacher; every group will write a report that will discuss the methods that have been employed and the results that have been obtained.
The ability to apply knowledge and understanding will also be verified by an individual written exam, in which the student will have to solve exercises and problems.

It is expected that the ability to use feedforward neural networks is used in professional contexts, for various purposes, but possibly also in public administration or in research activities.

Contenuti

Reti neurali profonde di tipo feedforward

Inglese:

Feedforward deep neural networks

Programma esteso

1. Elementi di calcolo delle probabilità e di teoria dell’informazione
2. Fondamenti di machine learning
3. Reti neurali profonde feedforward
4. Applicazioni

Inglese:

1. Elements of probability and information theory
2.Fundamentals of machine learning
3.Feedforward deep neural networks
4. Applications

Bibliografia consigliata

Goodfellow, I.; Bengio, Y.; Courville, A.: Deep learning, MIT Press (2016)

Inglese:

Goodfellow, I.; Bengio, Y.; Courville, A.: Deep learning, MIT Press (2016)

Modalità di erogazione

Convenzionale

Metodi didattici

Lezioni orali.

Lectures.

Metodi di valutazione

Tipo di esame:

Orale

Modalita' di verifica dell'apprendimento:

Conoscenza e capacità di comprensione

La conoscenza e capacità di comprensione raggiunta dallo studente verrà verificata tramite un esame scritto e un colloquio. L'esame scritto consisterà nello svolgimento di esercizi e la risoluzione di problemi su tutti gli argomenti del programma. L'esame orale verificherà invece la conoscenza della teoria (definizioni, enunciati, dimostrazioni, esempi).
Il voto finale, che terrà conto anche del progetto applicativo di cui sotto, sarà espresso in trentesimi.

Capacità di applicare conoscenza e comprensione

La capacità di applicare conoscenza e comprensione verrà verificata sia attraverso l'esame scritto di cui sopra, sia attraverso un progetto applicativo da realizzare in gruppo, assegnato dal docente. A conclusione del progetto, verrà stesa una relazione in cui verranno discusse le metodologie scelte per sviluppare il progetto e i risultati ottenuti; la relazione dovrà essere consegnata al docente almeno una settimana prima dell'esame orale.

Inglese:

Knowledge and understanding

Knowledge and understanding will be verified by means of a written test and a an oral exam.
The written test will include exercises and problems on all the topics of the course.
The oral exam will test knowledge of the theory (definitions, statements, proofs, examples).

The final grade will be expressed on a scale from 1 to 30, and will take into account also the group project described below.

Ability to apply knowledge and understanding

The ability to apply knowledge and understanding will be verified both by the written test described above and by a group project that will develop some application defined by the teacher.
At the end of the project students will write a report that will discuss the methods they have chosen and the outcomes of the project. The report will be submitted to the teacher at least one week before the oral exam.

Valutazione:

Voto Finale

Periodo didattico

Secondo Semestre

Altri insegnamenti

Anno di corso: 1

DATA SCIENCE IN ECONOMIA
9 CFU - Caratterizzante
ECONOMIA DEI MERCATI DIGITALI
9 CFU - Caratterizzante
ECONOMIA DEI MERCATI GLOBALI
9 CFU - Caratterizzante
ECONOMIA DELL'INNOVAZIONE
6 CFU - Caratterizzante
MICROECONOMIA PER I MERCATI DIGITALI
6 CFU - Caratterizzante
STRATEGIE E POLITICHE AZIENDALI
9 CFU - Caratterizzante
CYBERSECURITY
6 CFU - Affine/Integrativa
DIRITTO DELLE NUOVE TECNOLOGIE
6 CFU - Affine/Integrativa
INSEGNAMENTO A SCELTA
9 CFU - A scelta dello studente
SEMINARI DI APPROFONDIMENTO PROFESSIONALE,TESTIMONIANZE AZIENDALI,VISITE AZIENDALI
3 CFU - Altro

Anno di corso: 2

BIG DATA
9 CFU
DIRITTO DELL'INNOVAZIONE ECONOMICA
6 CFU - Caratterizzante
LABORATORIO DI DATA SCIENCE IN ECONOMIA
6 CFU - Caratterizzante
RETI NEURALI PROFONDE
6 CFU - Caratterizzante
SISTEMI INFORMATIVI AZIENDALI
6 CFU - Caratterizzante
STATISTICAL LEARNING
6 CFU - Caratterizzante
WEB MARKETING
6 CFU - Caratterizzante
ESAME DI LAUREA
20 CFU - Lingua/Prova Finale
TIROCINI FORMATIVI E DI APPRENDIMENTO
7 CFU - Per stages e tirocini

RETI NEURALI PROFONDE

Scopri cosa vuol dire essere dell'Ud'A