Scheda programma d'esame
MULTIMEDIA INFORMATION RETRIEVAL AND COMPUTER VISION
NICOLA TONELLOTTO
Anno accademico2023/24
CdSARTIFICIAL INTELLIGENCE AND DATA ENGINEERING
Codice886II
CFU9
PeriodoPrimo semestre
LinguaInglese

ModuliSettore/iTipoOreDocente/i
MULTIMEDIA INFORMATION RETRIEVAL AND COMPUTER VISIONING-INF/05LEZIONI90
NICOLA TONELLOTTO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Lo studente che completa con successo il corso acquisirà tutte le conoscenze necessarie per:

  • progettare, implementare e valutare un semplice motore di ricerca;
  • comprendere e analizzare le funzionalità dei sistemi di recupero delle informazioni testuali;
  • comprendere e analizzare i meccanismi alla base dei sistemi di elaborazione e la ricerca delle immagini;
  • comprendere e analizzare i principali sistemi di elaborazione del linguaggio naturale basati su tecniche neurali.
Knowledge

The student who successfully completes the course will have the knowledge to

  • design, implement and evaluate a simple search engine;
  • understand and analyse the functionalties of an information retreival system for texts;
  • understand and analyse the mechanisms of image processing systems and content-based image search systems;
  • understand and analyse the main natural language processing systems based on neural techniques.
Modalità di verifica delle conoscenze

Gli studenti verranno valutati in base alle loro abilità e conoscenze acquisite sui contenuti del corso, attraverso una prova scritta e una prova orale.

Assessment criteria of knowledge

The student will be assessed on his demonstrated ability to discuss the main course contents using the appropriate terminology, through a written exam and an oral exam.

Capacità

Gli studenti alla fine del percorso didattico saranno in grado di progettare, implementare e valutare motori di ricerca e strumenti di IR, NLP e CV, adottando soluzioni allo stato dell'arte.

Skills

Students will be able to design, implement and evaluate IR, CV and NLP tools and search engines, by deploying the most adavanced solutions to date.

Modalità di verifica delle capacità

Gli studenti verranno valutati in base alle loro capacità acquisite attraverso un progetto software da svolgere durante il corso.

Assessment criteria of skills

The student will be assessed on his skills developed during the course with a software project.

Comportamenti

Gli studenti saranno esposti durante il corso al contesto dei sistemi IR, NLP e CV e dei motori di ricerca su dati testuali e non-testuali, le loro sfide tecnologiche, le scelte tecniche, e apprezzeranno l'impatto che le soluzioni viste in classe hanno sull'analisi e la ricerca di dati testuali in applicazioni pratiche.

Behaviors

Students will be exposed to the context of IR, NLP and CV systems and search engines on textual and non-textual data, their technological challenges and technical design choices. They will appreciate the impact of various known solutions dicussed in class, and be able to make their own choices and evaluate their pros/cons.

 

Modalità di verifica dei comportamenti

Esame orale.

Assessment criteria of behaviors

Oral exam.

Prerequisiti (conoscenze iniziali)
  • Fondamenti di algebra lineare, analisi matematica e probabilità
  • Fondamenti di programmazione, strutture dati e algoritmi
  • Capacità di programmazione in Python
Prerequisites
  • Basics of linear algebra, calculus and probablities
  • Basics of programming, data structure and algorithms
  • Programming skills in Python
Indicazioni metodologiche

Lezioni di didattica frontale. L'apprendimento si realizzerà seguendo le lezioni (frequenza consigliata) in classe e attraverso lo studio individuale.

 

Teaching methods

Face to face lectures, learnig through attending lectures (attendance advised) and individual study

 

Programma (contenuti dell'insegnamento)
  • Basic IR system
  • Compression methods used in IR and SE
  • Ranking models: probabilistic and language models
  • Query processing
  • Learning-to-rank methodologies
  • How search engines work
  • Image processing
  • Content-based image retrieval
  • Neural networks for computer vision
  • Neural networks for language processing
  • Generative AI for text
  • Metric Search Systems
  • Neural IR
Syllabus
  • Basic IR system
  • Compression methods used in IR and SE
  • Ranking models: probabilistic and language models
  • Query processing
  • Learning-to-rank methodologies
  • How search engines work
  • Image processing
  • Content-based image retrieval
  • Neural networks for computer vision
  • Neural networks for language processing
  • Generative AI for text
  • Metric Search Systems
  • Neural IR
Bibliografia e materiale didattico
  • Introduction to Information Retrieval, Manning, Raghavan, Schutze (eds), Cambridge University Press 2008 
  • Search Engines (Information Retrieval in Practice), Bruce Croft, Metzler, Strohman, Addison Wesley 2015 
  • Dispense fornite dal docente
Bibliography
  • Introduction to Information Retrieval, Manning, Raghavan, Schutze (eds), Cambridge University Press 2008 
  • Search Engines (Information Retrieval in Practice), Bruce Croft, Metzler, Strohman, Addison Wesley 2015 
  • Lecture notes provided by the teacher
Indicazioni per non frequentanti

Come per i frequentanti

Non-attending students info

Same as attending students

Modalità d'esame

Scritto e orale.

Assessment methods

Written and oral.

Ultimo aggiornamento 11/09/2023 12:37