Mentalità Computazionale di Ettore Messina
en     it
  • GitHub
  • LinkedIn
  • Twitter
  • Facebook
  • YouTube
  • WordPress

Mentalità Computazionale - Info

Sito Web Scientifico & Tecnologico

Mentalità Computazionale - Ettore Messina

Questo sito web tratta argomenti scientifici e tecnologici sulla computazione in generale e riserva una particolare attenzione al deep learning e quindi alle reti neurali, cui è dedicata una apposita sezione; vi è anche una sezione specifica sulla computazione quantistica.

Le tecnlogie utilizzate per le reti neurali sono TensorFlow e PyTorch con Python 3.x e Flux con Julia 1.x; di norma, quando possibile, il codice relativo ai casi di studio sulle reti neurali è scritto per entrambe le tecnologie.
Riguardo alla computazione quantistica, le tecnologie coinvolte sono di norma tre: QASM su IBM Quantum Computing, Qiskit sempre su IBM Quantum Computing e il linguaggio Q# di Microsoft su .NET Core; anche qui, quando possibile, il codice relativo ai casi di studio sulla computazione quantistica è scritto con queste tre tecnologie.
Sulla computazione in generale sono affrontati temi di calcolo numerico, soluzioni numeriche a problemi matematici complessi, algoritmi di ricerca operativa e altre problematiche scientifiche e tecnologiche al confine tra la matematica e l'informatica.

Gli argomenti sono presentati in forma di post; il sito web è in continuo aggiornamento ma la pubblicazione di nuovi post non segue alcuna regolare periodicità. I testi, il codice e qualsiasi altro materiale qui presente sono originali; il codice è di norma pubblicato su GitHub sotto licenza MIT.

Il codice non è da considerarsi professionale in quanto non è stato scritto per risolvere casi complessi del mondo reale, bensì è stato pensato e scritto solo per scopi divulgativi, di studio o di sperimentazione.


Questo sito web è in stretta relazione coi seguenti sistemi:

  • Il mio spazio web su GitHub  (con i README scritti solo in lingua inglese) che ospita il codice dei programmi trattati nei post.
  • La pagina LinkedIn Computational Mindset  che informa sui post pubblicati su questo sito web.
  • L'account Twitter Computational Mindset  che informa sui post pubblicati su questo sito web.
  • La pagina FaceBook Computational Mindset  che informa sui post pubblicati su questo sito web.
  • Il canale YouTube  per i contenuti multimediali.
  • I canali social di questo sito disponibili su Computational Mindset's Link Tree 
  • I miei canali social disponibili su Ettore Messina's Link Tree 
  • Il mio tech blog disponibile su Ettore Messina Tech Blog 
Ettore Messina
Pistoia, ITALIA

Mentalità Computazionale

Menu

  • Home
  • Reti Neurali
    • INDICE
    • Pruning di reti neurali con TensorFlow
    • Equazioni Differenziali e Reti Neurali
    • Forecast di una serie temporale univariata ed equispaziata con TensorFlow
    • Approssimazione con percettroni multistrato altamente configurabili
  • Computazione Quantistica
    • INDICE
    • Porte quantistiche NOT e C-NOT
    • Generazione di un numero casuale
    • Porte Hadamard in cascata
  • Machine Learning
    • INDICE
    • Strumenti generali per l'approssimazione di funzioni
    • Approssimazione di funzioni tramite PyCaret
    • Approssimazione di funzioni tramite un regressore XGBoost configurabile
    • Approssimazione di funzioni tramite un Support Vector Regressor configurabile
    • Regressione polinomiale con Accord.NET
    • Regressione con SMO per SVM con kernel PUK in Weka
    • Forecast con SMO per SVM con kernel polinomiale in Weka
  • Matematica
    • INDICE
    • Serie di Fourier in Python
    • Risoluzione di equazioni differenziali con ritardo con metodi numerici in Python
    • Calcolo Integrale in Python
    • Analizzatore di un sistema dinamico, lineare e omogeneo sul piano a coefficienti costanti
    • Analizzatore di un sistema dinamico non lineare e autonomo sul piano tramite il teorema di Hartman-Grobman
    • Esperimenti con SymPy per risolvere equazioni differenziali ordinarie del 1° ordine
    • Un metodo di soluzione di una equazione differenziale con ritardo del primo ordine utilizzando la funzione W di Lambert
  • High Performance
    • INDICE
    • High-Performance Computing of Discrete Single Variable Derivative with CUDA
      (post disponibile solo in lingua inglese)
    • High-Performance Computing of Discrete Two Variable Partial Derivatives with CUDA
      (post disponibile solo in lingua inglese)
    • Numerical Integration with CUDA: Accelerating Calculations on the GPU
      (post disponibile solo in lingua inglese)
  • Dataset
    • INDICE
    • Collezione di dataset 'Functions'
    • Collezione di dataset 'Time Series'
    • Dataset 'Synthetic Words'
  • Info

Reti Neurali

Computazione Quantistica

Grafica basata sul template 'Editorial' (con personalizzazione) scaricato da HTML5 UP.
Clicka sui link per vedere i file LICENSE.txt e README.txt del template 'Editorial' di HTML5 UP.

© Ettore Messina.