1) Robust & Adaptive Deep
Learning (RA-DL):


Introduzione
e richiami teorici;Input
sensitivity;
Adversarial
attack: Fast Gradient Sign Method (FGSM)/Projected Gradient Descent (PGD);
Altri metodi di Adversarial Attack (cenni)
Regolarizzazione
di Lipschitz (cenni); Analisi di stabilità (Lipschitz/Lyapunov – cenni);
Regolarizzazione
dello Jacobiano;
Richiami
di Domain shift/adaptation;


2) Continual Learning (CL) – Problematiche di
Stabilità–Plasticità nel “Robust & Adaptive Deep Learning”:


Definizioni
e scenari. Catastrophic Forgetting;
Metodi CL:
regularization-based, Replay, metodi ibridi ed adattativi;
Lipschitz
analysis e Meta-plasticità (cenni);
Bio-inspired
models / Neuro-modulazione (cenni);


3) Generative AI Models:


Autoencoder
(AE): Denoising Autoencoder (DAE), Contractive Auto-Encoder (CAE); spazi
latenti e controlli di regolarità;
Variational
Autoencoder (VAE): Evidence Lower Bound (ELBO), Beta-Variational
Autoencoder (β-VAE), Conditional Variational Autoencoder (cVAE);
Generative
Adversarial Networks (GANs);
Diffusion
Models;


4) LLM, Transformers, Embeddings &
Retrieval


Transformer
models: Richiami di teoria, Architetture Encoder/Decoder; meccanismi di Attention;
Applicazioni;
Large
Language Models (LLMs): Introduzione e descrizione, paradigmi di learning;
Embeddings
semantici;
Utilizzo
dei motori LLMs: Prompting, Indexing, Re-Ranking, Retrieval-Augmented
Generation (RAG), Chain of Thought. Cenni alle problematiche di privacy,
sicurezza, robustezza;


5) “Robust & Adaptive Deep Learning” e
Generative AI: Applicazioni


Knowledge
Distillation (KD) per sistemi di AI sostenibili/embedded: Teacher–student model,
paradigmi di KD, Hyper-complex deep learning
(cenni);
“Robust
& Adaptive Deep Learning” in spazi geometrici non-convenzionali (cenni)
“Robust
& Adaptive Deep Learning“ e Generative AI nel settore industriale;
“Robust
& Adaptive Deep Learning” e Generative AI nel settore Legale/Finanziario;

1. Slides fornite dal Docente

2. I. Goodfellow et al., Deep Learning

3. D. Foster, Generative Deep Learning (2a edizione)

4. R. Gupta et al,Generative AI: Techniques, Models and Applications, ISSN 2367-4512

5. Pubblicazioni scientifichesuggerite/fornite dal Docente;