IAML Blog


Un mese fa si è conclusa la settima edizione della International Conference on Learning Representations (ICLR), una delle conferenze più prestigiose dedicate al mondo del deep learning. Come ogni edizione, grande interesse hanno destato i best paper award, elogi scelti da un comitato di prestigio per premiare articoli di particolare interesse o dal notevole impatto scientifico tra gli oltre Continue Reading...


We are happy to announce the IAML tech talks, a series of lectures co-organized and sponsored with Pi Campus, to promote discussion on topics of wide significance and societal impact, and bringing together researchers, professionals, and policy makers to discuss the future of machine learning in Italy.

For our first event, on May 30th, we will host Silvia Chiappa from DeepMind, who is also a member of our advisory board, to discuss about fair…

Continue Reading...

Rendiconto economico IAML 2018

26, Apr Simone Scardapane

Si comunica che sulla pagina relativa ai documenti dell'associazione è stato pubblicato il rendiconto economico-finanziario per l'anno 2018, insieme al verbale della riunione del consiglio direttivo in data 31 Gennaio relativa alle linee guida per le attività sociali dell'associazione ed approvazione del rendiconto.

Come da statuto, il rendiconto viene soggetto all'approvazione dei soci tramite votazione, le cui modalità saranno comunicate a brevissimo per via telematica e trami…

Continue Reading...

Gradient Boosting

26, Mar Stefano Di Pietro

In questo articolo viene trattato uno storico algoritmo di ottimizzazione di tipo ensemble: il Gradient Boosting. Saranno descritte la teoria di base sulla quale questo algoritmo poggia e si cercherà di darne una descrizione quanto più possibile intuitiva attraverso un esempio pratico di regressione.


Nella prima puntata di questa serie abbiamo visto come funziona il calcolo delle derivate nei software di deep learning, e le differenze tra differenziazione simbolica, numerica, ed automatica. In questa seconda parte, passiamo ad una implementazione didattica in puro Python di un meccanismo di reverse-mode autodiff simile nell'interfaccia a quello reso celebre da PyTorch.