Corso Deep Learning con TensorFlow

Obiettivo del corso

Obiettivi del Corso: formare lo studente con conoscenze basi per il Deep Learning con TensorFlow, apprendere le reti neurali ed implementare dei modelli

A chi è rivolto

Requisiti per i discenti: laureandi o laureati in matematica, statistica, informatica o ingegneria con attitudine all’analisi dei dati. Consigliate conoscenze basi di programmazione in Python (in caso lo studente non avesse le basi consigliamo prima di seguire il Corso Python)

Programma

PROGRAMMA (40 ore):

1. Introduzione al Deep Learning
Definizione di Deep Learning
Reti Neurali
Applicazioni di Deep Learning

2. ANNs (Artificial Neural Networks)
Introduzione
Perceptron
Funzioni di attivazione: Sigmoid, ReLU, iperboliche, Softmax
Regole di apprendimento
Forward e Backpropagation
Gradiente Discendente e Gradiente Discendente Stocastico
Minimizzazione della funzione di costo
Multi-Layer ANNs

3. Ottimizzazione e Regolarizzazione
Overfitting
Cross Validazione
Feature Selection
Regolarizzazione
Dropout
Iperparametri

4. Allenamento di Reti Neurali
Inizializzazione Xavier
ReLUs e ELUs
Normalizzazione Batch
Transfer Learning
Pre-apprendimento senza supervisione

5. TensorFlow
Introduzione
Grafo Computazionale
Punti Chiave
Creazione Grafo
Esempio di Regressione
Gradiente Discendente
TensorBoard
Salvataggio e ripristino modelli
Reti basate su Keras

6. CNN: Convolutional Neural Network
Introduzione alle CNN
Filtro kernel
Architettura CNN

Dove si svolge

in sede o in modalità online classe virtuale