logo-polimi
Loading...
Manifesto
Struttura Corso di Studi
Cerca/Visualizza Manifesto
Dati Insegnamento
Scarica il Manifesto
Regolamento didattico
Consulta il Regolamento
Elenco docenti
Strutture didattiche
Dati quantitativi
Internazionalizzazione
Orario Personalizzato
Il tuo orario personalizzato è disabilitato
Abilita
Ricerche
Cerca Docenti
Cerca Insegnamenti
Cerca insegnamenti degli Ordinamenti precedenti al D.M.509
Erogati in lingua Inglese

Legenda
Semestre (Sem)
1Primo Semestre
2Secondo Semestre
AInsegnamento Annuale
Attività formative
BCaratterizzanti
Lingua d'erogazione
Insegnamento completamente offerto in lingua italiana
Insegnamento completamente offerto in lingua inglese
--Non definita
Didattica innovativa
I CFU riportati a fianco a questo simbolo indicano la parte dei CFU dell'insegnamento erogati con Didattica Innovativa.
Tali CFU riguardano:
  • Cotutela con mondo esterno
  • Blended Learning & Flipped Classroom
  • Massive Open Online Courses (MOOC)
  • Soft Skills
Dati Insegnamento
Contesto
Anno Accademico 2019/2020
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Corso di Studi (Mag.)(ord. 270) - MI (481) Computer Science and Engineering - Ingegneria Informatica
Piano di Studio preventivamente approvato T2A - COMPUTER SCIENCE AND ENGINEERING
Anno di Corso 2

Scheda Insegnamento
Codice Identificativo 054307
Denominazione Insegnamento ARTIFICIAL NEURAL NETWORKS AND DEEP LEARNING
Tipo Insegnamento Monodisciplinare
Crediti Formativi Universitari (CFU) 5.0
Semestre Primo Semestre
Programma sintetico Neural networks are mature, flexible, and powerful non-linear data-driven models that have successfully solved many complex tasks in science and engineering. The advent of the deep learning paradigm, i.e., training (neural) networks to simultaneously learn an optimal data representation and a model solving the requested task, has further boosted neural networks research and development. These models nowadays achieve human-like performance in natural language processing, text modeling, gene expression modeling, and image recognition, to name a few examples. This course provides a broad introduction to artificial neural networks (ANN), starting from the traditional feedforward (FFNN) and recurrent (RNN) neural networks architectures, till the most successful deep-learning models including convolutional neural networks (CNN) and long short-term memories (LSTM). The course aims at providing students with a theoretical background and the practical skills to understand and use ANN and, at the same time, become familiar and with Deep Learning for solving complex engineering problems.
Settori Scientifico Disciplinari (SSD)
Attività formative Codice SSD Descrizione SSD CFU
B
ING-INF/05
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
5.0

Orario: aggiungi e rimuoviScaglioneDocenteLingua offertaProgramma dettagliato
Da (compreso)A (escluso)
--AZZZZMatteucci Matteo
manifesti v. 3.1.9 / 3.1.9
Area Servizi ICT
06/12/2019