Lo scopo del corso è fornire i fondamenti teorici e pratici delle varie tecniche di Apprendimento Automatico (o Machine Learning) e Deep Learning.
Conoscenza e capacità di comprensione
Lo studente dovrà avere sufficiente familiarità con le tecniche di algebra lineare, analisi matematica, probabilità e statistica, impartite nel corso di laurea triennale, in modo da poter comprendere i fondamenti teorici delle tecniche di machine learning presentate nel corso. Infine, lo studente dovrà avere una buona dimestichezza con la lingua inglese scritta in modo tale da poter avvalersi delle risorse bibliografiche, sotto forma di testi e di articoli scientifici, per la quasi totalità in lingua inglese.
Capacità applicative
Lo studente deve dimostrare capacità di sviluppo e di analisi di complessità di algoritmi. Lo studente dovrà dimostrare un uso consapevole di librerie software, attualmente disponibili, per l’implementazione dei principali metodi di machine learning e deep learning presentati nel corso.
Autonomia di giudizio
Lo studente deve essere in grado di sapere valutare in maniera autonoma l’efficacia e l’efficienza di machine learning e deep learning ad un caso reale. Dovrà aver, inoltre, maturato una sufficiente indipendenza e senso critico in modo da poter utilizzare le risorse bibliografiche. Tale capacità è cruciale per la maturazione di attitudini di self-learning, durante il corso degli studi.
Abilità nella comunicazione
Lo studente deve essere in grado di redigere una relazione e di organizzare una presentazione, entrambe preferibilmente in lingua inglese, su un metodo od una tecnica di machine learning multimodale.
Capacità di apprendere
Lo studente dovrà aver maturato, alla fine del corso, la capacità di Self-Learning, ossia di essere in grado, ai fini dell’ auto-apprendimento, di utilizzare, in modo indipendente, le risorse bibliografiche che motori di ricerca e repository open source, quali Scholar Google e Researchgate, mettono a disposizione.