A.A. 24-25

Insegnamenti nei corsi di Laurea:

• Abilità Informatiche (CdL in Economia e Management L-33, 2 CFU, SSD: IINF-05/A);

  • L'esame (idoneità) è basato su una prova orale. Il materiale didattico relativo alla parte teorica è presente nella Cartella Drive.

• Istituzioni di Matematica (CdLM in Scienze della Formazione Primaria LM-85bis, 10 CFU, DISTUM, SSD: MATH-01/B);

  • L'esame consiste in una prova scritta seguita da una prova orale. Quest'ultima, deve essere tenuta nello stesso appello (di solito dopo qualche giorno) della prova scritta, in caso contrario è necessario sostenere nuovamente tutto da capo.
    Le lavagne delle lezioni sono raccolte nella Cartella Drive.
    L'acquisto dei testi consigliati NON è obbligatorio, piuttosto è necessario seguire gli argomenti svolti durante le lezioni per i quali è possibile approfondire utilizzando qualsiasi fonte accreditata (dal momento che si tratta di argomenti fondamentali della matematica e quindi presenti su molte fonti anche gratuite).
    Il programma dettagliato (effettivamente svolto) è aggiornato al termine del corso su Course Catalogue.

• Modelli di valutazione e procedure decisionali (CdLM in Scienze Statistiche ed Attuariali LM-83, Unisannio, SSD: STAT-04/A).

Insegnamenti in Dottorato:

• Natural Language Processing e Applicazioni (Dottorato ASTIS, ciclo XL - curriculum: Metodi e Modelli Quali-quantivativi)

  • Il corso mira a fornire le conoscenze teoriche e gli strumenti alla base del Natural Language Processing e dei suoi task. In particolare, gli argomenti trattati riguardano: livelli lessicali, Language Models, Machine Translation, modelli seq2seq, Transformers, BERT, introduzione al task di Sentiment Analysis, applicazioni al settore finanziario, applicazioni al settore economico.

• Deep and Machine Learning e Applicazioni (Dottorato ASTIS, cicli XXXIX e XL - curriculum: Metodi e Modelli Quali-quantivativi)

  • Il corso mira a fornire le competenze del Machine Learning per la risoluzione di problemi complessi tramite strumenti predittivi e classificativi. In particolare, gli argomenti trattati riguardano: apprendimento supervisionato, non-supervisionato, riduzione della dimensionalità, alberi decisionali, percettrone, reti neurali, modelli complessi del Deep Learning.

• Applicazioni di MATLAB - Python (Dottorato ASTIS, cicli XXXIX e XL - curriculum: Metodi e Modelli Quali-quantivativi)