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.



