- Teacher: Pasquale Valentini
e-learning G@SL - Supporto all'attività didattica dei docenti
Risultati della ricerca: 1824
- Teacher: Lolita Liberatore
- Teacher: Lolita Liberatore
- Docente: Maurizio Parton
Giochi combinatori e Machine Learning, 6 CFU lettera C. Bisogna iscriversi a questo corso per avere accesso alle notizie e prove scritte che verranno pubblicate man mano.
Questo corso nasce dai recenti progressi nel campo dell'intelligenza artificiale, ottenuti grazie allo sviluppo delle tecniche di apprendimento per rinforzo coadiuvate dall'utilizzo di reti neurali profonde.
Per quanto possibile nel limite dei 6 CFU, impareremo a usare i processi decisionali di Markov per descrivere problemi di decisione, e ad affrontarli tramite tecniche di programmazione dinamica - se è disponibile un modello di distribuzione - o di vero e proprio apprendimento per rinforzo - se è disponibile soltanto esperienza vera o al più un modello di campionamento. Discuteremo se è veramente possibile per un computer "imparare da solo", sia dal punto di vista teorico - imprescindibile - sia dal punto di vista pratico - con programmazione di algoritmi classici.
Il corso consta di 4 ore settimanali, nei seguenti orari:
- lunedì ore 18:00-20:00, aula 32
- martedì ore 18:00-20:00, aula informatica
È consigliato iscriversi al gruppo Telegram del corso, per ricevere le notifiche con la massima celerità possibile.
Ricevimento studenti: martedì dalle 11:00+\epsilon alle 13:00, ma anche dopo se mi avvertite. Se non mi trovate, mandate un messaggio sul gruppo Telegram, o chiamatemi al 349-5323-199.Bozza di progamma, modificabile in corso d'opera.
- Il problema nell'apprendimento per rinforzo: interazione agente-ambiente.
- Il contesto nell'apprendimento per rinforzo: i processi decisionali di Markov.
- Predizione e controllo nella programmazione dinamica.
- Predizione e controllo nel caso model-free: metodi TD e MC.
- Il dilemma esplorazione-sfruttamento: multi-armed bandits, sia stazionario che contestuale.
- Ricerca alberi tramite MCTS e sue varianti moderne tipo UCT.
- Apprendimento per rinforzo nei giochi a informazione perfetta a due giocatori e somma zero (cenni articolo originale Littman).
- Predizione e controllo con approssimazione (tempo permettendo, dipende dalla risposta della classe).
- Metodi di apprendimento diretto della policy (tempo permettendo, dipende dalla risposta della classe).
Realisticamente, si farà approfonditamente la parte di programmazione dinamica, bene la parte di apprendimento per rinforzo tabellare, e gli altri argomenti saranno solo accennati.
Il testo - bellissimo - che utilizzeremo è Reinforcement Learning: An Introduction, 2nd edition, di Sutton e Barto. La lettura/studio di questo testo prima e durante il corso è assolutamente necessaria!
Tutto il materiale relativo al corso comparirà in questa pagina.
- Teacher: Maurizio Parton
Giochi Combinatori e Machine Learning, 6 CFU lettera C. Bisogna iscriversi a questo corso per avere accesso alle notizie e prove scritte che verranno pubblicate man mano.
Questo corso nasce dai recenti progressi nel campo dell'intelligenza artificiale, ottenuti grazie allo sviluppo delle tecniche di apprendimento per rinforzo coadiuvate dall'utilizzo di reti neurali profonde.
Per quanto possibile nel limite dei 6 CFU, impareremo a usare i processi decisionali di Markov per descrivere problemi di decisione, e ad affrontarli tramite tecniche di programmazione dinamica - se è disponibile un modello di distribuzione - o di vero e proprio apprendimento per rinforzo - se è disponibile soltanto esperienza vera o al più un modello di campionamento. Discuteremo se è veramente possibile per un computer "imparare da solo", sia dal punto di vista teorico - imprescindibile - sia dal punto di vista pratico - con programmazione di algoritmi classici.
- Teacher: Maurizio Parton
- Teacher: Andrea Di Blasio
- Teacher: Patricia Giuliani
- Teacher: Pascal Izzicupo
- Teacher: Patricia Giuliani
- Teacher: Pierluigi Ortolano
Questo corso è per gli studenti immatricolati negli a.a. 2010/2011 e seguenti
- Docente: Fabio Fioravanti
Questo corso è rivolto agli studenti CLEC, CLEA, CLEAI, CLEF che devono sostenere l'idoneità informatica, il laboratorio di informatica o altri esami di informatica mutuati da questi. SOLO per gli studenti immatricolati negli a.a. 2009/2010 e precedenti.
L'idoneità informatica è modellata sulla European Computer Driving Licence (ECDL), ovvero la Patente Europea del Computer.
- Docente: Fabio Fioravanti
- Docente: Maria Chiara Meo
Questo insegnamento è rivolto agli studenti delle lauree magistrali della Facoltà di Economia che, nel loro regolamento didattico, hanno 3 CFU assegnati alle abilità informatiche (CLEC/M in particolare).
Può anche essere seguito dagli studenti del corso CLEC specialistico (vecchio ordinamento) al posto del corso, ormai disattivato di Laboratorio di Informatica.
- Docente: Gianluca Amato
Il corso "Il Carico Interno ed il Carico Esterno nelle Attività Motorie Preventive ed Adattate" si propone di fornire agli studenti una comprensione approfondita dei concetti di carico interno ed esterno nelle attività motorie. Il carico interno si riferisce alle risposte fisiologiche e psicologiche dell'individuo all'esercizio fisico, mentre il carico esterno riguarda le caratteristiche quantificabili dell'attività fisica stessa, come intensità, durata e volume.
Attraverso una combinazione di lezioni teoriche, revisione della letteratura scientifica e applicazioni pratiche, gli studenti impareranno a:
- Valutare e monitorare il carico di lavoro nelle attività motorie preventive e adattate.
- Utilizzare strumenti e metodologie per la misurazione e il monitoraggio del carico interno ed esterno.
- Applicare questi concetti nella progettazione di programmi di esercizio fisico personalizzati per diverse popolazioni, inclusi individui con necessità specifiche.
Il corso prevede la lettura e l'analisi critica di articoli scientifici recenti, la preparazione di presentazioni in PowerPoint e la discussione dei risultati nell'ambito di esami orali. Gli studenti saranno incoraggiati a integrare la teoria con la pratica, utilizzando le conoscenze acquisite per migliorare la loro futura pratica professionale nel campo delle attività motorie preventive e adattate.
- Teacher: Andrea Fusco
- Teacher: Alessandro Marra
- Teacher: Vincenzo Acciaro
- Teacher: Vincenzo Acciaro
- Docente: Maria Chiara Meo
- Teacher: Angelo Cavallucci