AI LAB: COMPUTER VISION AND NLP

Obiettivi formativi

Obiettivi generali: L'obiettivo del corso è quello di fornire agli studenti gli strumenti pratici necessari per poter usufruire delle moderne applicazioni di Machine e Deep Learning. In particolare, il corso sarà focalizzato sullo studio e l'implementazione di algoritmi di Computer Vision e Natural Language Processing. Obiettivi specifici: Il corso tratta l'elaborazione di immagini, partendo dai metodi classici e arrivando alle moderne tecniche che sfruttano il Machine/Deep Learning, nonchè l'utilizzo del Natural Language Processing congiuntamente alla Computer Vision per effettuare specifici tasks. Conoscenza e comprensione: Lo studente acquisirà conoscenza riguardo i moderni strumenti per analizzare immagini e testo in modo del tutto automatico sfruttando il Machine e il Deep Learning. Inoltre, lo studente acquisirà conoscenza sui moderni framework utilizzati per adempiere a tali tasks. Applicazione di conoscenza e comprensione: Lo studente sarà in grado di sfruttare le conoscenze acquisite durante il corso, nonchè i framework utilizzati, per definire i propri modelli di Machine e Deep Learning per la risoluzione di diversi tasks riguardanti l'analisi di immagini e testo. Autonomia di giudizio: Lo studente sarà in grado di comprendere le operazioni necessarie per adempiere a un task inerente la Computer Vision o il Natural Language Processing e, conseguentemente, sarà in grado di utilizzare o definire un modello per la risoluzione dello stesso. Abilità comunicative: Lo studente sarà in grado di descrivere in maniera dettagliata i modelli di Machine/Deep Learning utilizzati o definiti. Capacità di apprendimento: Il corso pone le basi pratiche per l'utilizzo e la definizione di modelli di Machine e Deep Learning utilizzabili in qualsiasi corso inerente a questi ultimi.

Canale 1
DANIELE PANNONE Scheda docente

Programmi - Frequenza - Esami

Programma
- Introduzione all'elaborazione delle immagini - Introduzione ai tool per l'elaborazione delle immagini - Recap di Machine Learning/Deep Learning - Introduzione ai tool di Machine Learning - Introduzione alla Computer Vision - Introduzione ai tool di Deep Learning/Computer Vision - Introduzione al Natural Language Processing
Prerequisiti
Per comprendere appieno gli argomenti del corso, lo studente necessita le basi della programmazione in Python, nonchè basi di calcolo e algebra lineare.
Testi di riferimento
- Deep Learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press - Computer Vision: Algorithms and Applications, 2nd ed., Richard Szeliski, Springer - Speech and Language Processing , Dan Jurafsky and James H. Martin , Prentice Hall
Modalità insegnamento
Il corso sarà tenuto nel rispetto delle disposizioni di Ateneo riguardo la situazione pandemica, ossia in modalità in presenza o in modalità blended (mista).
Frequenza
Non obbligatoria ma fortemente consigliata.
Modalità di esame
L'esame consisterà nello sviluppo di un progetto e in una discussione dello stesso.
Bibliografia
- Deep Learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press - Computer Vision: Algorithms and Applications, 2nd ed., Richard Szeliski, Springer - Speech and Language Processing , Dan Jurafsky and James H. Martin , Prentice Hall
Modalità di erogazione
Il corso sarà tenuto nel rispetto delle disposizioni di Ateneo riguardo la situazione pandemica, ossia in modalità in presenza o in modalità blended (mista).
DANILO AVOLA Scheda docente
  • Codice insegnamento10595610
  • Anno accademico2024/2025
  • CorsoApplied Computer Science and Artificial Intelligence – Informatica Applicata e Intelligenza Artificiale
  • CurriculumCurriculum unico
  • Anno2º anno
  • Semestre2º semestre
  • SSDINF/01
  • CFU6
  • Ambito disciplinareDiscipline Informatiche