Nessuno.

L'obiettivo del corso è quello di conoscere gli strumenti di base necessari per affrontare la comprensione, l'utilizzo e la creazione di sistemi di Intelligenza Artificiale, insieme alle capacità di analizzare classi di problemi particolarmente adatti ad essere trattati con metodi e tecniche caratterizzanti della disciplina.

- Introduzione all'Intelligenza Artificiale
- Programmazione in Python
- Deep Learning per la Computer Vision
- Le reti Deep: Autoencoders, Convolutional Neural Networks, Recurrent and Recursive Networks, Practical Methodology, Performance Metrics and baseline models, Selecting hyper-parameters
- Training di reti Deep: Objective functions, Activation Functions, Regularization, Gradient-based optimization
- Reti generative avversarie

• Lezioni frontali sugli argomenti in programma, esercitazioni di Deep Learning svolte in classe. Gli studenti dovranno possedere un computer personale sul quale eseguire gli esercizi pratici di programmazione si sistemi di elaborazione e interpretazione di immagini e video.
  Il corso sarà suddiviso in lezioni (60%) ed esercitazioni (40%).

• La valutazione del livello di apprendimento degli studenti consiste in due prove:
  - una prova pratica, consistente nella soluzione di esercizi su argomenti trattati nel corso, da completare in una o due ore;
  - una prova orale, consistente in domande di approfondimento sugli esercizi della prova scritta o su qualsiasi altro argomento trattato nel corso.
  La prova scritta è propedeutica alla prova orale, per accedere alla quale lo studente deve aver ottenuto almeno la sufficienza nella prova scritta.
  La prova orale deve essere sostenuta nello stesso appello della prova scritta. Nel caso di esito negativo per la prova orale, lo studente deve ripetere anche la prova scritta.