Il corso si propone di introdurre i partecipanti al mondo del deep learning, utilizzando il linguaggio di programmazione Python e la libreria TensorFlow. Il corso esplora i concetti fondamentali delle reti neurali come le funzioni di attivazione, l'ottimizzazione dei parametri e la prevenzione dell'overfitting.
I partecipanti impareranno a costruire e ottimizzare modelli di deep learning, nonché ad applicarli in situazioni pratiche. Il corso illustra anche le modalità per ridurre l'overfitting e applicare le conoscenze acquisite alla risoluzione dei classici problemi di machine learning.
• Il concetto e il funzionamento delle reti neurali, nonché le loro basi teoriche.
• Principali concetti e termini utilizzati nel contesto delle reti neurali.
• Strategie e tecniche per ottimizzare i parametri delle reti neurali al fine di ottenere le prestazioni desiderate.
• Utilizzo del framework Tensorflow e applicazione pratica per la realizzazione di un'applicazione basata su reti neurali.
• I vari metodi per ridurre l'overfitting e la loro importanza nel contesto delle reti neurali.
• Come applicare le conoscenze acquisite nel corso per risolvere problemi pratici legati alle reti neurali.
- Conoscenze di base di programmazione in Python (strutture dati e flusso di controllo).
- Fondamenti di algebra lineare e calcolo differenziale.
- Una comprensione dei concetti fondamentali del machine learning.
- Esperienza con le librerie di machine learning Python come NumPy, Pandas e Scikit-learn.
- Conoscenza di base delle reti neurali.
• Cosa sono le reti neurali e cosa c'è dietro
• Concetti di base delle reti neurali
• Come ottimizzare i parametri delle reti neurali
• Acquisire familiarità con Tensorflow e realizzarne un'applicazione pratica
• I principali modi per ridurre l'overfitting
• Mettere in pratica le conoscenze acquisite
Non ci sono raccomandazioni in questo momento.
Dopo questo corso riceverai un certificato di completamento.
