Virtual Audio Devices on GNU/Linux e dove trovarli (cit.)

Relatore: Sergio Borghese

Numero: 54 / 2024

Sergio Borghese ci presenta il viaggio intrapreso dai team QT&S ed Innovation per creare una VM developer-friendly per il progetto Jiminy (e non solo).

Dopo una veloce presentazione dello stack audio del S.O. GNU/Linux vedremo come sia possibile creare dispositivi audio virtuali sul sistema e come questi possano essere usati congiuntamente al VDK per creare delle pipeline di processing audio utili per i nostri progetti di Innovation, a partire dal progetto Jiminy.

Finiremo indicando i prossimi scenari d’uso futuri e le analisi in termini di qualità audio della pipeline che stiamo disegnando e che verranno presentati nel dettaglio da Pia Rinaldi in un prossimo Nerd Talk.

Intelligenza Artificiale e Machine Learning: secondo appuntamento

Relatore: Miriana Troccoli

Numero: 47 / 2023

Miriana Troccoli prosegue l’approfondimento sul machine learning, esplorando il significato e il funzionamento del deep learning. Dopo una serie di esempi esplicativi, il focus del NerdTalk si sposta su Jupyter Notebook, un’applicazione web molto utile nell’analisi e nella visualizzazione dei dati, di cui viene evidenziata la struttura. Miriana successivamente offre una panoramica su alcune delle funzioni chiave delle librerie Pandas, Matplotlib e Seaborn, illustrando attraverso esempi pratici come generare diverse tipologie di grafici, inclusi grafici a barre, grafici a torta e heatmaps.

Intelligenza Artificiale e Machine Learning

Relatore: Miriana Troccoli

Numero: 45 / 2023

Miriana Troccoli ci introduce i concetti interconnessi di Intelligenza Artificiale e Machine Learning, partendo dalla storia e dal contesto in cui è nato il campo di studi dell’IA e focalizzandosi sulla branca del Machine Learning. Dopo un’analisi delle definizioni più comunemente utilizzate per l’apprendimento automatico, Miriana prosegue illustrando esempi di tipologie di ML supervisionato, tra cui la classificazione e la regressione, con un focus sulla regressione lineare. Prosegue poi con i concetti di training e inferenza, per arrivare infine al clustering come esempio di ML non supervisionato.

Vai alla Wiki

Error: Contact form not found.

Scarica brochure

Error: Contact form not found.