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 proceder\u00e0 a descrivere le principali strutture di reti neurali artificiali che ne rappresentano le unit\u00e0 fondamentali. Attraverso semplici esempi verranno mostrati i ragionamenti che sono alla base delle diverse tecniche di apprendimento profondo in modo che l\u2019ascoltatore sia in grado di capire quale metodologia si adatti maggiormente all\u2019analisi di uno specifico problema o fenomeno.<\/p>\n
Una seconda parte dell\u2019intervento sar\u00e0 dedicata alle applicazioni in diversi ambiti della ricerca sociale in modo che risulti evidente la variet\u00e0 di campi in cui questi modelli possono essere applicati, la loro capacit\u00e0 di generalizzazione e il diverso approccio rispetto alle classiche tecniche econometriche.<\/p>\n
Questo corso \u00e8 rivolto a tutti coloro che, pur non avendo basi tecniche su questo argomento, hanno interesse e\/o curiosit\u00e0 a capire il funzionamento di questi modelli di intelligenza artificiale e i diversi ambiti in cui gli stessi possono essere applicati con successo.<\/p>\n
Prerequisiti:<\/strong> Non sono necessari prerequisiti di matematica o econometria.<\/p>\n Materiale di riferimento:<\/strong> Falavigna, G. (2022). Deep Learning for Beginners. Moncalieri: CNR-IRCrES (Itinerari per l\u2019alta formazione 4). Disponibile da https:\/\/dx.doi.org\/10.23760\/978-88-98193-2022-04<\/a>.<\/p>\n Greta Falavigna (CNR-IRCrES).<\/p>\n Paola Avallone, Tommaso Ismaelli, Andrea Giovanni Nuzzolese.<\/p>\n Il corso \u00e8 online e aperto al pubblico previa registrazione attraverso questo modulo su Microsoft Forms<\/a>.<\/p>\nRelatrice<\/h3>\n
Comitato organizzatore<\/h3>\n
Come partecipare<\/h3>\n