Caricamento

Machine – Deep Learning

With applications to computer vision

Overview

Gli algoritmi di deep learning stanno raggiungendo livelli di precisione senza precedenti, a tal punto da superare l’uomo nella classificazione delle immagini e riuscire a battere il miglior giocatore di GO al mondo. Focus del corso è fornire una panoramica di metodi matematico computazionali per apprendere informazioni direttamente dai dati e prendere decisioni sulla base delle stesse senza bisogno (o quasi) di un intervento manuale. Verrà affrontato il significato di “apprendimento profondo“, mostrando applicazioni di successo in grado di risolvere i problemi di visione del computer. Saranno affrontati concetti relativi ad alcuni strumenti popolari per risolvere le attività di regressione e classificazione e, infine, alle tendenze più recenti nell’apprendimento profondo.

 

Programma

Basi di apprendimento automatico
Panoramica dei principi di base dell’apprendimento automatico, compresa la classificazione e problemi di regressione, tipi di dati e metriche, tecniche di formazione.
Modelli semplici
Modelli Naive per problemi di classificazione lineare: perceptron, supporto vettoriale macchina, alberi decisionali.
Modelli avanzati
Framework più complessi: multi-layer perceptron (Vanilla Neural Networks), foreste aleatorie, apprendimento profondo e reti neurali a convoluzione.
Stato dell’arte applicazioni per computer vision
Esempi di applicazioni per la visione del computer risolte con successo macchina/apprendimento profondo: classificazione, segmentazione, rilevazione, didascalie, trasferimento di stile. Software educativo ad alto livello WEKA: software di apprendimento automatico scritto in Java per la formazione, test e visualizzazione di algoritmi classici di apprendimento automatico (SVM, Decision Trees e foreste, ecc.). Tensorflow Playground: applicazione Web per giocare con la rete neurale con un’interfaccia Web intuitiva.
Tensorflow – Basic
Introduzione ai principi chiave della biblioteca. Implementazione di un classificatore lineare di base. Implementazione di una classica rete neurale Vanilla. Implementazione di una semplice rete neurale a convoluzione per la classificazione.
Tensorflow – Avanzato
Come usare e perfezionare modelli di classificazione pre-formati. Come utilizzare e ottimizzare i modelli di rilevazione oggetti.

In breve
date_range
Sessioni
Bologna, dal 11 al 18 Maggio 2020
school
Docenti
Matteo Poggi
gps_not_fixed
Area Tematica
Progettazione sviluppo prodotto
Metodologie
build
Workshop pratici
school
Lezioni frontali
Segreteria
didattica
person
Francesca D'Ambrosio
phone
051 415 1911
mail
Scrivici

Profili

Progettista macchine e sistemi di automazione
Responsabile tecnico sviluppo prodotto
Skill Type
core skills

Sessioni

Data Orari Sede Durata
dal 11
al 18 Mag 2020
dalle 09:00
alle 18:00
Bologna 16H
Informazioni

Orari

dalle 09:00
alle 18:00

Durata

16H

Luoghi

Via Bassanelli Sario, 11 40129 Bologna BO

Referente

Francesca D'Ambrosio

Scrivici

Docenti

Promozioni

Prezzo scontato per gli associati Confindustria

Metodologie

build
Workshop pratici
school
Lezioni frontali

Specifiche date e orari

11, 18 maggio 2020, 09.00-18.00

Allegati

Scarica
la scheda di iscrizione

Ti potrebbe interessare anche

Additive Manufacturing
Promozioni
Sconto per associati confindustria.
date_range
Bologna, dal 3 al 17 Marzo 2020
Scopri di più
ARCHITETTURE PLC E SISTEMI DI MOTION CONTROL
Progettazione e programmazione
Promozioni
Sconto per associati confindustria.
date_range
Bologna, dal 10 al 22 Settembre 2020
school
Matteo Sartini
Scopri di più
Touch Panel TP1200 CONFORT Siemens - HMI
Promozioni
Sconto per associati confindustria.
date_range
Bologna, dal 11 al 18 Giugno 2020
school
Gianni Lucia
Scopri di più