Obiettivi di apprendimento

Il corso mira a far acquisire allo studente le competenze modellistiche interdisciplinari fisico- matematiche per lo studio dei sistemi disordinati, dei network, e delle reti neurali artificiali ricorrenti, con applicazioni al learning nel contesto dell’intelligenza artificiale. Al termine del corso lo studente dovrà dimostrare di: saper elaborare modelli analitico-quantitativi e algoritmi numerici per la determinazione degli aspetti strutturali e la previsione della dinamica in sistemi disordinati su grafi e in sistemi di reti neurali artificiali.

Modalità di verifica dell’apprendimento

Per superare l'esame lo studente dovrà dimostrare di:
- aver compreso i principi fisico-matematici alla base della modellistica per lo studio dei sistemi disordinati, dei network, e delle reti neurali artificiali ricorrenti.
- essere in grado di esporre le proprie argomentazioni in modo preciso e organico senza divagazioni
- saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di esercizi, domande e progetti.
L’esame consisterà nell’elaborazione di una tesina scritta di approfondimento su uno o più temi trattati nel corso, con successiva presentazione e discussione.