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 è 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 già esistente.

Questi moduli sono un primo passo verso corsi più avanzati e reti neurali più 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 più utilizzate per il Deep Learning.

Dopo una breve introduzione alla Teoria dell’Informazione Classica, costruiremo dunque una rete più sofisticata per la classificazione di immagini. Un problema semplice di cui però comprenderemo ogni singolo dettaglio.

Addestreremo poi questa rete neurale, imparando a controllare l’overfitting con diverse tecniche, ognuna delle quali sarà 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: all’interno di ogni sezione ci sono video esplicativi, in cui il docente spiega la lezione, corredati da slides. Per le esercitazioni sarà utilizzato il framework Pytorch. 

Il percorso di apprendimento è 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 può seguire il corso?

Chi ha una mente aperta e predisposta all’analisi: le lezioni sono adatte a chiunque ma è 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 l’opportunità 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)

L’addestramento 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 dell’informazione (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.png

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 è 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 l’opportunità di accedere alla piattaforma in qualsiasi momento tu abbia voglia e possibilità 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 l‘apprendimento: 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 darà la possibilità di farti notare da grandi aziende del settore;

  • Se lo vorrai, Deep Learning Italia, ti potrà aiutare a trovare lavoro mettendoti in contatto con le nostre aziende partner.

  • Accesso per tutta la durata dell’abbonamento
Play Video

50,00 

Durata

8 h 41 min

Quiz

5

Accesso life long

Si

Certificato

Si

slide, github, dataset

Si

esercitazioni

Si

Prodotti Correlati

Scroll to Top
Si informa che il giorno 𝐯𝐞𝐧𝐞𝐫𝐝𝐢̀ 𝟑 𝐟𝐞𝐛𝐛𝐫𝐚𝐢𝐨 il sito sarà fermo dalle ore 9.00 alle ore 18.00 per manutenzione straordinaria.