Andrea
Asperti
Italia Professore Ordinario di Machine Learning e Deep Learning Università di Bologna Extended Faculty
Andrea Asperti è Professore Ordinario di Machine Learning e Deep Learning presso l’Università di Bologna. Attualmente rappresenta l’Università di Bologna per l’area di Data Science e Artificial Intelligence e all’interno di UnaEuropa Alliance. Ha conseguito un dottorato in Informatica presso l’Università di Pisa nel 1989. Nel corso della sua carriera, ha ricoperto varie posizioni, tra cui lavorare presso l’Ecole Normale Supérieure di Parigi e presso l’INRIA-Rocquencourt. Dal 2005 al 2007 ha ricoperto la carica di Direttore del Dipartimento di Informatica dell’Università di Bologna. Dal 2000 al 2007 è stato membro del Comitato Consultivo del World Wide Web Consortium (W3C). È autore di centinaia di pubblicazioni su riviste internazionali peer reviewed e conferenze; e di alcuni libri. Nel corso del tempo, ha coordinato diversi progetti nazionali ed europei. È affascinato da tutti gli aspetti legati all’intelligenza artificiale. Attualmente, sta principalmente lavorando su Deep Learning, Generative AI, Modelli di Diffusione. È inoltre interessato al Deep Reinforcement Learning.
CORSI
Le reti neurali costituiscono una classe di algoritmi di machine learning , ispirati al cervello e strutturati in strati di neuroni artificiali interconnessi. La rete può essere addestrata su un opportuno insieme di dati per ottimizzarne le connessioni per svolgere un compito specifico.
Le reti neurali “deep”, cioè le reti con molti stati interni (chiamati nascosti), hanno recentemente visto un grande successo in molte applicazioni pratiche. Esse sostituiscono il cuore dei sistemi di produzione, in imprese come Google e Facebook , per la classificazione delle immagini, il riconoscimento vocale, l’elaborazione del linguaggio naturale, la comprensione del linguaggio e la robotica.
Il corso fornisce una panoramica delle idee fondazionali e degli sviluppi recenti nell’ambito delle reti neurali, spiegando le loro potenzialità per scopi pratici. Saranno affrontate tecniche supervisionate e non supervisionate, metodi per la visualizzazione e la comprensione del comportamento delle reti e tecniche antagoniste per ingannare le reti stesse. Saranno oggetto del corso anche le nuove applicazioni nel campo del reinforcement learning, e alcuni sorprendenti risultati in ambito di simulazione di giochi.
Data Science and Business AnalyticsArtificial Intelligence and Innovation Management
Finance and Fintech
