I materiali pubblicati sul sito costituiscono rielaborazioni personali del Publisher di informazioni apprese con la frequenza delle lezioni e lo studio autonomo di eventuali testi di riferimento in preparazione all’esame finale o della tesi. Non devono intendersi come materiale ufficiale dell’università attribuibile al docente del corso.
…continua

Filtra per

Tutte le tipologie

Ordina

Filtra

Appunti degli studenti per corsi ed esami del Prof. Foggia Pasquale

Esercizi per l'esame di Fondamenti di Informatica del professor Foggia. In riferimento agli esercizi: - Implementare il sottoprogramma sostituisci_asterisco in un file helper.cpp compilato separatamente; - Aggiungere al main l'invocazione del sottoprogramma; Creare e configurare un progetto che comprenda programma.cpp e helper.cpp.
...continua
La dispensa contiene appunti di Ingegneria del Software del prof. Pasquale Foggia, esame superato con il voto di 30/30, dopo aver portato a termine lo sviluppo di un'applicazione (Calcolatrice Scientifica con numeri complessi) ed aver sostenuto un colloquio orale (studiando esclusivamente da questa dispensa). La dispensa contiene appunti riguardo i seguenti argomenti: modelli di processo di sviluppo software, attività di realizzazione di un software (analisi dei requisiti, design e progettazione, testing, manutenzione), modello SCRUM nel dettaglio analizzando tutti i ruoli, gli artefatti e le riunioni, i design pattern più importanti nella realizzazione di un software.
...continua

Esame Machine Learning

Facoltà Ingegneria

Dal corso del Prof. P. Foggia

Università Università degli Studi di Salerno

Appunto
3,5 / 5
Appunti di Machine Learning basati su appunti personali del publisher presi alle lezioni del prof. Foggia, dell’università degli Studi di Salerno - Unisa, facoltà di ingegneria, Corso di laurea magistrale in ingegneria informatica. Scarica il file in formato PDF!
...continua
Questo materiale ti guiderà attraverso i concetti fondamentali e le tecniche avanzate, aiutandoti a comprendere e padroneggiare uno dei campi più affascinanti dell'intelligenza artificiale. Contenuto: Introduzione alle reti neurali: Partiamo dalle basi, spiegando cosa sono le reti neurali e il loro legame con il neurone biologico. Modelli classici: Esplora il modello di McCulloch e Pitts e il Perceptrone di Rosenblatt, pilastri fondamentali per la comprensione delle reti neurali. Architetture di reti: Una panoramica sui vari tipi di architetture, con un focus particolare sul Multi-Layer Perceptron (MLP). Algoritmo di backpropagation: Impara come funziona l'algoritmo di apprendimento più utilizzato nelle reti neurali. Funzioni di attivazione: Scopri le diverse funzioni di attivazione e il loro impatto sul comportamento della rete. Strategie di addestramento: Approfondisci le tecniche per ottimizzare l'addestramento, tra cui il Stochastic Gradient Descent (SGD), il Momentum, e l'early stopping. Classificatori MLP: Capirai come utilizzare le reti MLP sia per classificatori binari che multiclasse.
...continua