K9oblqpqnmmc3cdlav3j

mini degree: Deep Learning per la Computer Vision

Introduzione alle Reti Convoluzionali (CNN)

   Guarda Promo

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 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. 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. Il corso è un primo passo verso corsi più avanzati e reti neurali più sofisticate che sono utilizzate per la risoluzione di problemi concreti.


Il tuo istruttore


Cristiano De Nobili
Cristiano De Nobili

Prima una laurea in Fisica Teorica delle Particelle, poi un Ph.D. in Fisica Statistica (SISSA, Trieste) con una tesi sull'Entanglement, fenomeno importante anche in Quantum Computing. Da quattro anni mi trovo nell'avvincente mondo dell'intelligenza artificiale. Con un approccio sia tecnico che di ricerca mi occupo principalmente di Deep Learning. Ho iniziato questa avventura nell'ambito della Computer Vision (CV) tramite un progetto del CNR e un master in High-Performance Computing (MHPC, SISSA/ICTP). Poi da un paio di anni sono passato a lavorare sul linguaggio (NLP) oltre a dedicarmi a progetti con forte impatto sociale e ambientale (AI for Good). TEDx speaker, mi diverto anche nella divulgazione e soprattutto nell’insegnamento, a tutti i livelli. Pilota nel weekend, sono appassionato di volo, viaggi e fotografia. Qua i miei contatti: Twitter, LinkedIn.



Domande frequenti


Come funziona il mini degree?
Il mini degree è pensato per far specializzare gli studenti in temi riguardanti il Deep Learning. Il corso è organizzato in moduli propedeutici. SI consiglia, di aquistare, anche i moduli di base per un ripasso di matematica e programmazione in python. Gli argomenti verrànno affrontati in maniera sempre più complessa. Ad ogni modulo ci saranno domande e esercitazioni.
Il nanodegree è in lingua Italiana?
Si, tutti i corsi all'interno del mini degree sono in lingua Italiana. Le slide però sono scritte in inglese per rendere più facile allo studente la ricerca degli argomenti, termini e altri esempi su internet.
Rilasciate una certificazione a fine corso?
Al termine del mini degree verrà assegnato un progetto finale che sarà corretto dai docenti. Una volta concluso il progetto, verrà rilasciata la certificazione. Il costo della certficiazione è di 100 euro, ed è escluso, dall'abbonamento mensile per la visione del corso. Per altre info guardare il video del progetto finale o scrivere a [email protected]
Entro quanto tempo bisogna completare il mini degree?
Il corso sarà visibili fino a quando si pagherà l'abbonomento mensile. Però, la certificazione, verrà rilasciato solo una volta consegnato il progetto finale. Quindi uno studente può completare il corso e dopo prendere la certificazione.
La mia società può comprare un pacchetto di corsi?
Per le società abbiamo degli sconti in base al numero di certificazione che intende comprare. Inoltre, si possono organizzare dei corsi on-site in aggiunta al corso in e-learning. Per ulteriori info contattare: [email protected]

inizia ora