
Deep Learning per la Computer Vision
Senza una comprensione profonda si rimane in superficie. Tuttavia in superficie prima o poi si affonda. Per tale motivo, in questo corso capiremo e costruiremo da zero una convoluzione, un layer convoluzionale e infine un intero modello e il suo addestramento. 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. 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. Il corso รจ un primo passo verso corsi piรน avanzati e reti neurali piรน sofisticate che sono utilizzate per la risoluzione di problemi concreti.