2017 Ottobre, 26 Giovedì 15:10


Obiettivo del progetto

Progettare una rete neurale in grado di classificare informazioni di carattere generico e gestirne l’evoluzione dei parametri (supervised training) mediante un apposito algoritmo genetico per giungere a un livello di errore al di sotto di una tolleranza data in tempi accettabili.

In particolare, l’obiettivo per la prima parte del progetto è di raggiungere una buona conoscenza delle architetture delle reti neurali, algoritmi genetici ed essere in grado di progettare una soluzione che unisca i due aspetti. 

Pianficazione delle attività

Il workflow del progetto è divisa in due fasi, temporalmente distinte, da seguire obbligatoriamente nell’ordine indicato:

  • Prima fase: apprendimento di nozioni generali
    1. Apprendimento delle basi degli algoritmi genetici
    2. Apprendimento delle basi delle reti neurali
    3. Ripasso/apprendimento del linguaggio di programmazione Python
    4. Scelta e apprendimento di un framework Python che aiuti nello sviluppo dell’applicazione (SciKit learn stack, TensorFlow)
    5. Dummy app: scelta di un caso di studio banale su cui applicare le conoscenze sviluppate fino a questo punto, per verificare la preparazione dei membri
    6. Testing e analisi dei risultati (data visualization)
    7. Ottimizzazione, dove possibile, del codice (GPU calls)
  • Seconda fase: applicazione ad un caso di studio reale
    1. Contattare il gruppo di ricerca dell’Università degli Studi di Brescia e fissate un colloquio/lezione in merito ai dati raccolti e all’interpretazione delle informazioni
    2. (Ri)Pianificazione del workflow
    3. Progetto dell’architettura del programma, training della rete neurale
    4. Analisi dei risultati, ottimizzazione del codice, correzione di eventuali errori
    5. Report dei risultati
    6. Stesura del paper scientifico

Membri