Con questa funzione puoi costruire il tuo calendario settimanale delle lezioni, personalizzato sulla base dei corsi che intendi seguire. Attenzione: l'Orario Personalizzato non sostituisce la presentazione del piano degli studi! E' uno strumento informale, che ti può aiutare a gestire al meglio l'organizzazione della frequenza alle lezioni prima della presentazione del piano studi. Dopo aver presentato piano ti raccomandiamo di utilizzare il servizio Orario delle lezioni presente nel tuo elenco dei Servizi Online.
Per creare il calendario personalizzato segui queste istruzioni:
- Clicca sul link "Abilita" per procedere. Ti verrà chiesto il cognome e nome per determinare il tuo scaglione alfabetico.
-
Per aggiungere o togliere insegnamenti dal tuo Orario Personalizzato, utilizza le iconcine che trovi in corrispondenza degli insegnamenti:
aggiunta dell'insegnamento
rimozione dell'insegnamento
selezione della sezione del laboratorio di Architettura (N.B: la sezione effettiva in cui si dovrà seguire la didattica verrà determinata dopo la presentazione dei Piani di Studio)
-
Nella barra laterale a sinistra è indicato il numero degli insegnamenti inseriti nell'Orario.
Sono inoltre presenti questi comandi:
Visualizza orario: permette di visualizzare l'orario sinottico settimanale
Elimina orario: cancella le selezioni effettuate
Al termine dell'inserimento, puoi stampare il calendario che hai costruito.
Semestre (Sem) | 1 | Primo Semestre | 2 | Secondo Semestre | A | Insegnamento Annuale | Lingua d'erogazione |  | Insegnamento completamente offerto in lingua italiana |  | Insegnamento completamente offerto in lingua inglese | -- | Non definita | Didattica innovativa |  | I CFU riportati a fianco a questo simbolo indicano la parte dei CFU dell'insegnamento erogati con Didattica Innovativa. Tali CFU riguardano:
- Cotutela con mondo esterno
- Blended Learning & Flipped Classroom
- Massive Open Online Courses (MOOC)
- Soft Skills
|
|
Anno Accademico
|
2020/2021
|
Scuola
|
Scuola di Ingegneria Industriale e dell'Informazione
|
Corso di Studi
|
(Mag.)(ord. 270) - MI (487) Mathematical Engineering - Ingegneria Matematica
|
Piano di Studio preventivamente approvato
|
MMF - Quantitative Finance
|
Anno di Corso
|
2
|
Codice Identificativo
|
053558
|
Denominazione Insegnamento
|
LEARNING SPARSE REPRESENTATIONS FOR IMAGE AND SIGNAL MODELING
|
Tipo Insegnamento
|
Monodisciplinare
|
Crediti Formativi Universitari (CFU)
|
5.0
|
Semestre
|
Primo Semestre
|
Programma sintetico
|
The main goal of this course is to provide the student with an understanding of the most important aspects of the theory underlying sparse representation and, more in general, of sparsity as a form of regularization in learning problems. Students will have the opportunity to develop and understand the main algorithms for 1) learning sparse models, 2) computing sparse representations, and 3) solve optimization problems involving sparsity as a regularization prior. These methods have wide applicability in computer science, and these will be a useful background for their research.
In particular, this course aims at:
● Presenting the most important aspects of the theory underlying sparse representations, and in particular the sparse-coding and dictionary-learning problems.
● Illustrating the main algorithms for sparse coding and dictionary learning, with a particular emphasis on solutions of convex optimization problems that are widely encountered in engineering.
● Providing an overview of sparsity as a general regularization prior in many inverse problems and the connection with LASSO in linear regression.
● Providing a broad overview of the applications involving sparse representations, with particular emphasis in image denoising (unsupervised task) and image classification (supervised task).
● Providing a solid understanding of sparse representation algorithms by means of guided computer laboratory hours, where students will implement and test these algorithms.
● Introduce extended models such as double sparsity and convolutional sparsity.
|
Orario: aggiungi e rimuovi | Scaglione | Docente/i | Lingua offerta | Programma dettagliato |
---|
Da (compreso) | A (escluso) |
---|
--- | --- | --- | Docente non definito |  | --- |
|
|