Il corso intende presentare i principali modelli di apprendimento profondo (i.e., deep learning), sottolineando i punti di forza, i punti di debolezza e le principali applicazioni in campo socioeconomico. Dopo una breve introduzione storica e definitoria sulle tecniche di deep learning, si procederà a descrivere le principali strutture di reti neurali artificiali che ne rappresentano le unità fondamentali. Attraverso semplici esempi verranno mostrati i ragionamenti che sono alla base delle diverse tecniche di apprendimento profondo in modo che l’ascoltatore sia in grado di capire quale metodologia si adatti maggiormente all’analisi di uno specifico problema o fenomeno.

Una seconda parte dell’intervento sarà dedicata alle applicazioni in diversi ambiti della ricerca sociale in modo che risulti evidente la varietà di campi in cui questi modelli possono essere applicati, la loro capacità di generalizzazione e il diverso approccio rispetto alle classiche tecniche econometriche.

Questo corso è rivolto a tutti coloro che, pur non avendo basi tecniche su questo argomento, hanno interesse e/o curiosità a capire il funzionamento di questi modelli di intelligenza artificiale e i diversi ambiti in cui gli stessi possono essere applicati con successo.

Prerequisiti: Non sono necessari prerequisiti di matematica o econometria.

Materiale di riferimento: Falavigna, G. (2022). Deep Learning for Beginners. Moncalieri: CNR-IRCrES (Itinerari per l’alta formazione 4). Disponibile da https://dx.doi.org/10.23760/978-88-98193-2022-04.

Relatrice

Greta Falavigna (CNR-IRCrES).

Comitato organizzatore

Paola Avallone, Tommaso Ismaelli, Andrea Giovanni Nuzzolese.

Come partecipare

Il corso è online e aperto al pubblico previa registrazione attraverso questo modulo su Microsoft Forms.

Ottieni la locandina in formato PDF.