Il corso offre un percorso avanzato per approfondire le architetture moderne di deep learning, combinando teoria e pratica su transformer, graph neural networks e tecniche di ottimizzazione per la messa in produzione dei modelli.

 

DESTINATARI

  • Data scientist;
  • machine learning engineer;
  • deep learning engineer;
  • ricercatori e professionisti che sviluppano modelli neurali avanzati.

SEDE

BI-REX Competence Center
Via Paolo Nanni Costa, 20 40133 Bologna

In collaborazione con:

OBIETTIVI

  • Sviluppare competenze avanzate nelle architetture di deep learning (transformer, GNN, GAN);
  • Comprendere quando e come scegliere diverse architetture in base al problema applicativo;
  • Acquisire capacità di valutazione, calibrazione e interpretazione delle performance dei modelli;
  • Applicare tecniche moderne di training ed efficientamento (transfer learning, distillation, PEFT, LoRA);
  • Ottimizzare modelli per l’uso in produzione, bilanciando prestazioni e risorse computazionali;
  • Saper implementare soluzioni pratiche attraverso attività hands-on su casi reali.

FACULTY

Simone Calderara è professore associato presso l’Università di Modena e Reggio Emilia, dove svolge attività di ricerca nell’ambito dell’intelligenza artificiale e del deep learning. I suoi interessi includono lo sviluppo di architetture avanzate per l’analisi dei dati, con particolare attenzione a modelli generativi, graph neural networks e tecniche di apprendimento moderne. Affianca all’attività accademica la collaborazione con il mondo industriale, contribuendo alla progettazione di soluzioni innovative basate su AI.

Per maggiori informazioni, scrivi a Elisa Alberghini, Training Specialist BI-REX: elisa.alberghini@bi-rex.it