Il corso contiene i video introduttivi dei corsi di Deep Learning per Analisi di Serie Temporali, Visione Computazionale, Elaborazione del Linguaggio Naturale e di alcuni campi di particolare interesse come esempio di applicazione di tecniche di Intelligenza Artificiale, come Data Sceince e Bioinformatica e le pratiche Attuariali.

Il corso di Deep Learning per Sequence Modelling e Time Series – Design of Deep Neural Networks, introduce i principali approcci del Deep Learning basati su reti neurali profonde per l’analisi di sequenze di dati e di serie temporali. Esso è pensato come un corso di base per imparare a progettare, sviluppare e validare reti neurali dinamiche per affrontare problemi che riguardano sequenze di dati. La modellizzazione delle sequenze di dati tramite reti neurali dinamiche è alla base di molte applicazioni moderne di Machine Learning che riguardano serie temporali, linguaggio naturale e immagini. Lo scopo del progetto finale sarà quello di imparare ad affrontare in autonomia un problema reale o di laboratorio applicando un modello di rete neurale per creare un’applicazione o per valutare sperimentalmente la capacità degli approcci di deep learning in varie problematiche. Infine, la stesura di una relazione darà la possibilità di imparare un metodo scientifico di base che permetta di analizzare e sviluppare correttamente applicazioni nell’ambito dell’analisi di dati.

Il corso di Deep Learning per la Computer Vision illustra come costruire da zero una convoluzione, un layer convoluzionale e infine un intero modello e il suo addestramento. Il corso è rivolto a chi vuole capire in dettaglio i meccanismi che stanno alla base dei moderni algoritmi di deep learning per la Computer Vision, per chi vuole imparare a costruirsi la propria rete o modificarne una già esistente. Questi moduli sono un primo passo verso corsi più avanzati e reti neurali più sofisticate che sono utilizzate per la risoluzione di problemi concreti.

Il corso di Introduzione all’NLP presenta le basi dell’Elaborazione del Linguaggio Naturale (Natural Language Processing), a partire dagli approcci pre-neurali fino ai modelli più recenti basati su Deep Learning e Transformer.

Il corso di Data Science e Bioinformatica Il corso si articola in tre parti fondamentali: una prima parte, come introduzione generale alla componente “bio” della bioinformatica, nella quale i processi biologici più importanti verranno spiegati per meglio comprendere come si possano analizzare i dati che li descrivono. Nella seconda parte verranno affrontati i dati: con quali tecnologie si generano, che struttura hanno, che impatto hanno su disco e quali infrastrutture computazionali sono necessarie per poterli conservare e analizzare. Nella terza parte del corso, utilizzeremo un approccio più pratico e analizzeremo dei dati della trascrittomica, coprendo le basi statistiche, metodologiche e di workflow necessarie in un ambiente computazionale basato su R. Il corso si concluderà con alcune brevi note di prospettiva sul collegamento fra la trascrittomica e il deep-learning.

Il corso di Attuari e Intelligenza Artificiale analisi e stima dei sinistri con l’utilizzo dei Machine Learning offre una panoramica sull’innovazione della società dell’informazione con un incremento del volume di informazioni che circolano e il cambiamento quantitativo che ha portato anche ad un cambiamento qualitativo. Grazie alla mole di dati in circolazione e all’innovazione tecnologica, sta cambiando il metodo con cui effettuare previsioni e analisi con impatti in tutti settori economici; il mondo assicurativo non è da meno e in particolare il mondo attuariale è coinvolto in questa rivoluzione.