Elementi preliminari essenziali per l'approccio a tesi sul Machine Learning:

• Anaconda (versione Python 3.x)
• Tensorflow
• TensorFlow 2 + Keras (Colab Overview)
• Corso di Stanford sulle CNN (Slides)
• Libri di testo:
  • S. Haykin, "Neural Networks and Learning Machines," Third Edition, Prentice Hall, 2009
  • I. Goodfellow, Y. Bengio, A. Courville, "Deep Learning," MIT Press, 2016
  • F. Chollet, "Deep Learning with Python", Manning, 2017
  • A. Geron, "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow", O'Reilly, 2019
  • S.J.D. Prince, "Understanding Deep Learning", MIT Press, 2023

Elementi preliminari essenziali per l'approccio a tesi sul Reinforcement Learning: 

• Libri di testo:
  • R.S. Sutton,  A.G. Barto, "Reinforcement Learning: An Introduction," Second Edition, MIT Press, 2018
  • D.P. Bertsekas, "Reinforcement Learning and Optimal Control," Athena Scientific, 2019
•  Course on RL by Sergey Levine (U. Berkeley): 
  • Program and slides: https://rail.eecs.berkeley.edu/deeprlcourse/
  • Lectures on Youtube: https://www.youtube.com/playlist?list=PL_iWQOsE6TfVYGEGiAOMaOzzv41Jfm_Ps

Elementi di base per la scrittura di paper in Latex:

• MiKTeX (che include l'editor TeXworks)
• BibTeX
• Inkscape

Modelli di esempio per la scrittura della tesi:

Leggere attentamente i file "Readme.txt" presenti all'interno dei modelli

• Modello in Word
• Modello in LaTeX