The goal of the course is provide an overview on the main techniques of Data Mining and Deep Learning. The course has a practical orientation. At first they will come presented the main ones bookcases for the data processing (Pandas, Scikit-Learn). It will then pass to use the library KERAS, an interface of high level for the main libraries of Deep Learning (TensorFlow, Microsoft Cognitive Toolkit, Theano). Finally, they will be introduced architectures of Deep Learning advanced for the data processing audio and video and i PyTorch e framework TensorFlow. During classes will be presented examples of concrete use.

1. OBIETTIVO
L’obiettivo del corso è
fornire una panoramica
sulle principali tecniche
di Data Mining e Deep
Learning. Il corso ha un
orientamento pratico.
Dapprima verranno
presentate le principali
librerie per il
processamento dei dati
(Pandas, Scikit-Learn).
Si passerà quindi
all’utilizzo della libreria
KERAS, un’interfaccia di
alto livello per le
principali librerie di
Deep Learning
(TensorFlow, Microsoft
Cognitive Toolkit,
Theano). Infine, saranno
introdotte architetture
di Deep Learning
avanzate per il
trattamento di dati
audio e video ed i
framework PyTorch e
TensorFlow.
Durante le lezioni
saranno presentati degli
esempi di uso concreti.
REQUISITI
Conoscenza base del
linguaggio Python
INTRODUZIONE AL DATA MINING
E DEEP LEARNING
INTRODUZIONE AL DATA MINING
(DOTT. MASSIMO GUARASCIO, ICAR-CNR)
1. Introduzione al Data Mining
1.1 Data Representation
1.2 Data Exploration
1.3 Data Preparation e Cleaning
1.4 Data Mining
1.5 Model Evaluation
2. Strumenti
2.1 Pandas
2.2 Scikit-Learn
2.3 Matplotlib
2.4 Esempio: Analisi del dataset Iris
3. Analisi di un caso Studio: Churn Analysis
4. Esercitazione in aula: Drug Analysis
INTRODUZIONE AL DEEP LEARNING
(DOTT. GIUSEPPE PIRRÒ, ICAR-CNR)
1. Introduzione alle reti neurali
1.1 Funzioni di loss
1.2 Funzioni di attivazione
1.3 Il MultiLayer Perceptron
2. La libreria KERAS
2.1 Sequential API
2.1.1 Esercizio con supporto del docente
2.1.2 Esercizio senza supporto del docente
2.2 Long Short Term Memories (LSTM)
2.2.1 Esempio di generazione di testo
CONCETTI AVANZATI DI DEEP LEARNING
(DOTT. MASSIMO GUARASCIO, ICAR-CNR)
1. Modello funzionale in KERAS
2. Reti Neurali Convoluzionali per l’analisi di dati audio e video
3. Cenni sui modelli generativi
4. Introduzione ai functional framework PyTorch e TensorFlow
RIFERIMENTI
- Data Mining: Practical Machine Learning Tools and Techniques,
Morgan Kaufmann Series in Data Management Systems.
- Deep Learning with Python (1st ed.). Manning Publications Co.,
Greenwich, CT, USA.