Possono le macchine, come l’uomo, evolvere?
Partecipa alla prossima LIVE con ospite Luca Di Vita, Machine Learning Engineer @ Frontiere
Esploreremo una particolare metodologia che combina tecniche di intelligenza artificiale e algoritmi evolutivi per ottimizzare le architetture e i pesi delle reti neurali artificiali. Invece di utilizzare metodi di ottimizzazione tradizionali come la discesa del gradiente, vedremo come simulare il processo di evoluzione naturale per trovare soluzioni efficaci.
Questo approccio può portare a modelli innovativi e robusti che possono adattarsi a problemi complessi in modo dinamico.
COSA ESPLOREREMO NELLA LIVE
La Neuroevoluzione
La neuroevoluzione è un approccio alternativo alla classica backpropagation per l’addestramento delle reti neurali.
Essa, se propriamente utilizzata, apporta vantaggi rispetto ai più comuni approcci di design di una rete neurale: riduzione della probabilità di overfitting e underfitting, scomparsa dei problemi di gradient vanishing e explosion, costruzione incrementale, ottimizzazione del tutto automatica di una architettura di rete.
Questo apre nuove frontiere nel Deep Learning facendo sì che non solo le macchine siano sempre più vicine all’uomo nell’eseguire task complessi, ma anche nel modo di apprenderli tramite meccanismi evolutivi spontanei.
SPEAKER DELLA LIVE
Luca Di Vita
Machine Learning Engineer @ Frontiere
Luca è un ingegnere informatico, specializzato in ambito ingegneria del software e IA, con una forte passione per l’ambito cybersec. Molto attivo nel ramo delle community e dei tech talks e questo lo ha portato ad entrare nel gruppo GDG Pescara come speaker e a co-fondare la community Python Pescara. Ha lavorato come consulente AI e Python Developer presso grandi realtà come Generali Assicurazioni, Levis, ed attualmente riveste il ruolo di Machine Learning Engineer presso Frontiere.
NON PUOI PERDERTI
QUESTA LIVE SE:
sei un ricercatore, data scientist o sviluppatore interessato a esplorare le potenzialità della neuroevoluzione per ottimizzare reti neurali e spingere i confini del deep learning attraverso approcci evolutivi innovativi
Ricercatori AI
che cercano metodi innovativi per ottimizzare e migliorare le prestazioni delle reti neurali attraverso approcci evolutivi
Data Scientists e Ingegneri del Machine Learning
interessati a esplorare tecniche avanzate di apprendimento automatico per risolvere problemi complessi e migliorare l'efficienza dei modelli
Accademici e Studenti di Informatica
che vogliono approfondire le nuove frontiere del deep learning e dell'ottimizzazione delle architetture di rete neurale tramite meccanismi evolutivi