Modelli Generativi

Dalla teoria alla pratica dei Modelli Generativi

   Guarda Promo

Le vendite proseguono nel nuovo sito https://www.deeplearningitalia.com/

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 ed al framework Pytorch, che verrà utilizzato durante tutte le lezioni pratiche. I successivi tre moduli sono ciascuno interamente dedicato ad 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.


Il tuo istruttore


Fabio Valerio Massoli
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 ed il suo background in fisica prendendo parte a progetti che prevedono l’impiego di tecnologie quantistiche nell’ambito del Machine Learning.



Argomenti



Domande frequenti


Come funziona il corso di Modelli Generativi?
Il corso è pensato per far specializzare gli studenti in temi riguardanti i Modelli Generativi. 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 prima di inizare il corso. Gli argomenti verrànno affrontati in maniera sempre più complessa. Ad ogni modulo ci saranno domande e esercitazioni.
Il corso è in lingua Italiana?
Si, tutti i corsi 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 corso si potrà ricevere la certificazione in due modi. Il primo è complentando i quiz all'interno del corso. Il secondo tramite un progetto finale che sarà corretto dai docenti. Una volta concluso il progetto, verrà rilasciata la certificazione. Il costo della certficiazione con progetto finale è di 100 euro in più rispetto al costo del corso. Per altre info guardare il video del progetto finale o scrivere a [email protected]
Entro quanto tempo bisogna completare il corso?
Il corso sarà visibile all'interno della piattafoma in base al piano che avete acquistato che può essere mensile o annuale. La certificazione, verrà rilasciata una volta completati gli esercizi o consegnato il final project.
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]

Puoi comprare questo corso solo all'interno del mini degree.

"Il corso è fatto molto bene. Ho trovato molto interessante l'approfondimento matematico delle spiegazioni, il docente è molto chiaro."

- Lorenzo Conti, Machine Learning Engineer @ AISent