By visiting our site, you agree to our privacy policy regarding cookies, tracking statistics, etc.

Apprendimento profondo

Questo modulo esplora il deep learning, un sottoinsieme del machine learning che utilizza reti neurali con molti livelli per modellare modelli complessi nei dati. Copre concetti fondamentali come le reti neurali convoluzionali e ricorrenti, la retropropagazione e le tecniche di addestramento, nonché le applicazioni nel riconoscimento di immagini e voce, l’elaborazione del linguaggio naturale e i veicoli autonomi.

Portal > Intelligenza artificiale > Apprendimento profondo

Costruttore di curriculum

Visualizza il curriculum

Sutton, Richard S. e Andrew G. Barto. Apprendimento per rinforzo: un’introduzione. Seconda edizione. Serie di calcolo adattivo e apprendimento automatico. Cambridge, Massachusetts: The MIT Press, 2018.

Teodoride, Sergio e Konstantinos Koutroumbas. Riconoscimento. 4a ed. Burlington Heidelberg: Academic Press, 2009.

Zhang, Aston, Zachary C. Lipton, Mu Li e Alexander J. Smola. “Immergiti nell’apprendimento profondo.” arXiv, 22 agosto 2023.

http://arxiv.org/abs/2106.11342

Nielsen, Michael A. Reti neurali e apprendimento profondo, 2019.

http://neuralnetworksanddeeplearning.com

Tunstall, Lewis, Leandro von Werra e Thomas Wolf. Elaborazione del linguaggio naturale con i trasformatori: creazione di applicazioni linguistiche con Hugging Face. Prima edizione. Sebastopoli, CA: O’Reilly Media, 2022.

Rao, Delip e Brian McMahan. Elaborazione del linguaggio naturale con PyTorch: crea applicazioni linguistiche intelligenti utilizzando il deep learning. Prima edizione. Sebastopol, CA: O’Reilly Media, 2019.

Goodfellow, Ian, Yoshua Bengio e Aaron Courville. Apprendimento profondo. Adaptive Computation and Machine Learning Series. The MIT Press, 2016.

Goldberg, Yoav. “Un’introduzione ai modelli di rete neurale per l’elaborazione del linguaggio naturale.” arXiv, 2015.

https://doi.org/10.48550/ARXIV.1510.00726

Ejzenštejn, Giacobbe. Introduzione all’elaborazione del linguaggio naturale. Computazione adattiva e apprendimento automatico. La stampa del MIT, 2019.

Jurafsky, Daniel e James H. Martin. Elaborazione vocale e del linguaggio: un’introduzione all’elaborazione del linguaggio naturale, alla linguistica computazionale e al riconoscimento vocale. Serie Prentice Hall in Intelligenza Artificiale. Upper Saddle River, NJ: Prentice Hall, 2000.

Thank you for signing up to our newsletter!

Thank you! RSVP received for Sutton, Richard S. e Andrew G. Barto. Apprendimento per rinforzo: un’introduzione. Seconda edizione. Serie di calcolo adattivo e apprendimento automatico. Cambridge, Massachusetts: The MIT Press, 2018.

Thank you for applying! We will be in touch.

Apply for: Sutton, Richard S. e Andrew G. Barto. Apprendimento per rinforzo: un’introduzione. Seconda edizione. Serie di calcolo adattivo e apprendimento automatico. Cambridge, Massachusetts: The MIT Press, 2018.

Sutton, Richard S. e Andrew G. Barto. Apprendimento per rinforzo: un’introduzione. Seconda edizione. Serie di calcolo adattivo e apprendimento automatico. Cambridge, Massachusetts: The MIT Press, 2018.

Caricamento...

Caricamento…