Corso-Deep-Learning-con-TensorFlow

Corso-Deep-Learning-con-TensorFlow

Corso-Deep-Learning-con-TensorFlow

Si definisce Deep Learning un“apprendimento gerarchico” o un “apprendimento strutturato profondo” come termine letterale. Il Deep Learning è una branca del data science (e Big Data) che raggruppa dei metodi di machine learning con riferimento ad algoritmi ispirati alla struttura del cervello umano chiamati “reti neurali artificiali”.
Le architetture di Deep Learning oggi le ritroviamo nelle applicazioni di riconoscimento automatico della voce e della lingua parlata, applicazioni di elaborazione del linguaggio naturale, applicazioni di riconoscimento di immagini e nelle applicazioni di bioinformatica.

TensorFlow è una libreria software open-source per il deep learning. TensorFlow fornisce moduli testati e performanti per la creazione di algoritmi di “apprendimento approfondito”. Nasce nel 2015 dall’area ricerca e sviluppo di Google. Oggi utilizzano TensorFlow aziende come CocaCola, Airbnb, eBay, Twitter, Intel, Paypal, SAP, Uber e molti altri colossi dell ‘information technology.

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

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 Corso-Deep-Learning-con-TensorFlow (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
    Implementare CNN in TensorFlow
  7. RNN: Recurrent Neural Network
    Introduzione alle RNN
    Cella RNN di base
    Previsioni temporali
    LSTM (Long Short-Term Memory) e GRU (Gated Recurrent Unit)
    Word Embeddings
    Modelli Seq2Seq
    Implementare RNN in TensorFlow

Corso-Deep-Learning-con-TensorFlow erogato per le aziende, modalità online virtual classroom oppure per i privati anche in tipologia individuale.

INFO Corso Online Classe Virtuale

Vuoi essere ricontattato?Lasciaci il tuo numero telefonico e la tua email, ti richiameremo nelle 24h:

Il tuo nome (richiesto)

Telefono (richiesto)

La tua email (richiesto)

Corso di Interesse/Oggetto

Il tuo messaggio

Utilizzando questo modulo accetti la memorizzazione e la gestione dei tuoi dati nei nostri sistemi elettronici.Verrai inserito nella newsletter informativa

Acconsento al trattamento dei miei dati come da D.Lgs. 196/2003 e ai sensi del Regolamento UE 2016/679 (“GDPR”)