Elementi preliminari essenziali per l'approccio a tesi sul Machine Learning:
- Anaconda (versione Python 3.x)
- Tensorflow
- TensorFlow 2 + Keras (Colab Overview)
- Corso di Stanford sulle CNN (Slides)
- Libri di testo:
- S. Haykin, "Neural Networks and Learning Machines," Third Edition, Prentice Hall, 2009
- I. Goodfellow, Y. Bengio, A. Courville, "Deep Learning," MIT Press, 2016
- F. Chollet, "Deep Learning with Python", Manning, 2017
- A. Geron, "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow", O'Reilly, 2019
- S.J.D. Prince, "Understanding Deep Learning", MIT Press, 2023
Link Interessanti:
See how a convolutional neural network works: https://www.youtube.com/watch?v=AgkfIQ4IGaM
Elementi preliminari essenziali per l'approccio a tesi sul Reinforcement Learning:
- Libri di testo:
- R.S. Sutton, A.G. Barto, "Reinforcement Learning: An Introduction," Second Edition, MIT Press, 2018
- D.P. Bertsekas, "Reinforcement Learning and Optimal Control," Athena Scientific, 2019
- Course on RL by Sergey Levine (U. Berkeley):
- Program and slides: https://rail.eecs.berkeley.edu/deeprlcourse/
- Lectures on Youtube: https://www.youtube.com/playlist?list=PL_iWQOsE6TfVYGEGiAOMaOzzv41Jfm_Ps
Elementi di base per la scrittura di paper in Latex:
Modelli di esempio per la scrittura della tesi:
Leggere attentamente i file "Readme.txt" presenti all'interno dei modelli