Deep Learning per la Computer Vision
In questo corso capiremo e costruiremo da zero una convoluzione, un layer convoluzionale e infine un intero modello e il suo addestramento.
Panoramica
In questo corso capiremo e costruiremo da zero una convoluzione, un layer convoluzionale e infine un intero modello e il suo addestramento.
Il corso รจ rivolto a chi vuole capire in dettaglio i meccanismi che stanno alla base dei moderni algoritmi di deep learning per la Computer Vision, per chi vuole imparare a costruirsi la propria rete o modificarne una giร esistente.
Questi moduli sono un primo passo verso corsi piรน avanzati e reti neurali piรน sofisticate che sono utilizzate per la risoluzione di problemi concreti.
Cosa Imparerai nel corso?
Inizieremo con un approccio minimalista, usando solo librerie standard di Python come NumPy, attraverso cui scriveremo backpropagation e discesa del gradiente in maniera chiara e cristallina. Solo successivamente impareremo e faremo uso di PyTorch, una delle librerie piรน utilizzate per il Deep Learning.
Dopo una breve introduzione alla Teoria dellโInformazione Classica, costruiremo dunque una rete piรน sofisticata per la classificazione di immagini. Un problema semplice di cui perรฒ comprenderemo ogni singolo dettaglio.
Addestreremo poi questa rete neurale, imparando a controllare lโoverfitting con diverse tecniche, ognuna delle quali sarร analizzata lasciando fuori ogni dubbio.
Passeremo poi ad ottimizzare gli iperparametri e a cross-validare il nostro modello come un progetto completo richiede di fare.
Struttura delle lezioni
Deep Learning Italia struttura le sue lezioni in maniera molto semplice: allโinterno di ogni sezione ci sono video esplicativi, in cui il docente spiega la lezione, corredati da slides. Per le esercitazioni sarร utilizzato il framework Pytorch.ย
Il percorso di apprendimento รจ inoltre intervallato da test a risposta multipla che permettono di monitorare la comprensione degli argomenti di studio e si conclude con un test pratico finale nel quale verranno messe in pratica le competenze acquisite durante il corso.
Chi puรฒ seguire il corso?
Chi ha una mente aperta e predisposta allโanalisi: le lezioni sono adatte a chiunque ma รจ necessario avere passione per i numeri e i calcoli, oltre che tanta pazienza.
Chi lavora anche full time: se sei un lavoratore full time non ti preoccupare! Potrai seguire le lezioni in completa autonomia nel tuo tempo libero.
Chi vuole crescere professionalmente: Se vuoi elevare la tua carriera Deep Learning Italia ti da lโopportunitร di poterlo fare a costi contenuti.
Chi ha una mente aperta e predisposta allโanalisi: le lezioni sono adatte a chiunque ma รจ necessario avere passione per i numeri e i calcoli, oltre che tanta pazienza.
Chi lavora anche full time: se sei un lavoratore full time non ti preoccupare! Potrai seguire le lezioni in completa autonomia nel tuo tempo libero.
Chi vuole crescere professionalmente: Se vuoi elevare la tua carriera Deep Learning Italia ti da lโopportunitร di poterlo fare a costi contenuti.
Programma
La convoluzione ed il layer convoluzionale. Tutto da zero con NumPy
- Presentazione del corso (7:08)
- Le immagini digitali (10:10)
- Interpretazione probabilistica della Convoluzione (11:45)
- Dalle reti Fully Connected alle reti Convoluzionali (32:43)
- I Tensori (11:18)
- La Convoluzione (18:54)
- Edge Detection (10:09)
- Esempi di Filtri (4:45)
- Multi input channels (13:41)
- Multi output channels (20:35)
- Stride e Padding (11:50)
- Pooling (5:54)
- Conv Layer (6:43)
Lโaddestramento di un modello convoluzionale e la backpropagation. Tutto da zero con NumPy
- CNN from Scratch (6:28)
- Funzioni di Attivazione (9:45)
- Dataset (4:15)
- Backpropagation (19:57)
- Numpy (19:39)
- Pytorch (24:02)
Addestramento completo di un modello avanzato con PyTorch. Teoria, Overfitting e Cross-Validation
- Training (8:40)
- Librerie (2:29)
- Teoria dellโinformazione (34:41)
- Overfitting e Underfitting (56:55)
- Metodi di Regolarizzazione (31:41)
- Regolarizzazione L1 e L2 (16:22)
- LeNet(20:22)
- LeNet Training (45:48)
- Optuna (17:31)
- Cross Validation (26:29)
Certificato
Docenti
Cristiano De Nobili da quattro anni lavora nell’avvincente mondo dell’intelligenza artificiale. Con un approccio sia tecnico che di ricerca, si occupa principalmente di Deep Learning. Ha iniziato questa avventura nell’ambito della Computer Vision (CV) tramite un progetto del CNR e un master in High-Performance Computing (MHPC, SISSA/ICTP). Da circa 2 anni รจ passato a lavorare sul linguaggio (NLP) oltre a dedicarsi a progetti con forte impatto sociale e ambientale. Il 2021 ha lavorato ad un grosso progetto della EU Commission sulla comprensione del cambiamento climatico attraverso il Deep Learning.
Vantaggi
-
Puoi seguire il corso dove e quando vuoi: Deep Learning, infatti, ti offre lโopportunitร di accedere alla piattaforma in qualsiasi momento tu abbia voglia e possibilitร di studiare. Basta semplicemente un dispositivo elettronico e una connessione internet!
Troverai sempre materiale nuovo e lezioni aggiornate: i nostri professori ti forniranno moltissimo materiale per supportare i tuoi studi e aggiorneranno periodicamente la piattaforma con nuove slides o con nuovi moduli;
Nei nostri corsi troverai sempre una componente interattiva per stimolare lโapprendimento: giochi, quiz, podcast e tanto altro ti aiuteranno a migliorare e a rendere la tua formazione unica;
-
Non sarai mai solo! Avrai a disposizione la nostra community per metterti in contatto con altri studenti.
A fine percorso riceverai una certificazione che potrai aggiungere al tuo CV e che ti darร la possibilitร di farti notare da grandi aziende del settore;
Se lo vorrai, Deep Learning Italia, ti potrร aiutare a trovare lavoro mettendoti in contatto con le nostre aziende partner.
- Accesso per tutta la durata dell’abbonamento
