Modelli Generativi

Conoscenza base teorica e pratica delle tecniche generative utilizzate nel Deep Learning

Panoramica

Il corso Deep Generative Models con Pytorch è stato ideato per fornire una conoscenza di base, teorica e pratica, delle tecniche generative utilizzate nel mondo del Deep Learning. Il corso si compone di quattro moduli, il primo dei quali fornisce una breve introduzione al Deep Learning e al framework Pytorch che verrà utilizzato durante tutte le lezioni pratiche. I successivi tre moduli sono ciascuno interamente dedicato a una diversa architettura: Variational AutoEncoders (VAEs), Restricted Boltzmann Machines (RBMs) e Generative Adversarial Networks (GANs). Nel corso delle lezioni teoriche approfondiremo i concetti chiave che stanno alla base della formulazione di questi modelli, mentre nelle lezioni pratiche vedremo come implementare, allenare e testare questi modelli su dataset di computer vision. 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.

Cosa Imparerai nel corso?

Competenze e concetti base di programmazione in python.

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.

Il percorso di apprendimento solitamente è intervallato da test a risposta multiplache permettono di monitorare la comprensione degli argomenti di studio e si conclude con un test pratico finalenel quale verranno valutate 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

Introduzione

  • Document Ranking e Text Manipulation (48:19)
  • Brief introduction to Deep Learning and PyTorch
  • Deep Learning Basic Notions
  • Learning Paradigm & Learning Rule
  • Backpropagation
  • Practice with PyTorch – 1
  • Practice with PyTorch – 2
  • Practice with PyTorch – 3
  • Practice with PyTorch – 4
  • Intro to Variational AutoEncoders (VAEs)
  • Introduction to Statistical Modeling
  • Latent Variables Models
  • Expectation-Maximization Algorithm
  • Expectation-Maximization Algorithm: E-step
  • Expectation-Maximization Algorithm: M-step
  • Variational Inference
  • Varational AutoEncoders
  • Scaling up Variational EM
  • Training VAEs – Decoder’s Gradient
  • Training VAEs – Log Derivative Trick
  • Training VAEs – Reparameterization Trick
  • Vanilla VAEs
  • Training a Deep Convolutional VAEs
  • Generating Images with DCVAEs
  • Training a Conditional-VAEs
  • Intro to Probabilistic Graphical Models & Energy Based Models
  • From Hopfield Networks to Boltzmann Machines
  • Intro to Markov Chain Monte Carlo
  • Gibbs Sampling
  • Restricted Boltzmann Machines (RBMs) – Part 1
  • Restricted Boltzmann Machines (RBMs) – Part 2
  • Training a Restricted Boltzmann Machines
  • Parameters Update
  • Persistent Contrastive Divergence
  • RBMs Extesions
  • Training an RBM
  • RBM as a features extractor
  • Free Energy formulation of an RBM
  • Inference with RMBs
  • Generative Models (A Brief Recap)
  • Generative Adversarial Networks (GANs)
  • GANs Training – Part 1
  • GANs Training – Part 2
  • Training Tips & Tricks
  • The Non-Convergence Problem
  • Conditional & Deep Convolutional GAN
  • Vanilla GANs
  • GANs Training
  • Conditional GANs
  • Training a Conditional GAN
  • Deep Convolutional GANs
  • Training a Deep Convolutional GAN

Docenti

fabio valerio massoli

Fabio Valerio Massoli è ricercatore presso l’Istituto di Scienza e Tecnologie dell’Informazione del CNR. Dopo essersi occupato durante il Ph. D. in fisica delle alte energie di tecniche MonteCarlo e modellazione statistica in prestigiose università quali la Columbia University e la Chicago University, quattro anni fa ha deciso di seguire la sua grande passione per le tecnologie d’avanguardia. Diventa così ricercatore presso il CNR, dove si occupa di ricerca nel campo del Deep Learning con particolare attenzione al campo della computer vision. Collabora attivamente con diverse realtà sia accademiche che industriali lavorando in ambiti quali Face Recognition, Adversarial Attacks, ed Image Generation. Di recente ha inoltre legato la sua passione per la tecnologia e il suo background in fisica prendendo parte a progetti che prevedono l’impiego di tecnologie quantistiche nell’ambito del Machine 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 al corso life long
Play Video

80,00 

Durata

9:13 ore

Quiz

3

Accesso life long

Si

Certificato

Si

slide, github, dataset

Si

esercitazioni

Si

Prodotti Correlati

Scroll to Top