Caricamento

Machine Deep Learning

With applications to computer vision
Non ci sono sessioni attive al momento

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
Stay tuned. Contattaci per conoscere le prossime date.
gps_not_fixed
Area Tematica
Progettazione sviluppo prodotto
Segreteria
didattica
person
Francesca D'Ambrosio
phone
051 415 1911
mail
Scrivici

Profili

Progettista software, programmatore PLC e Motion
Responsabile tecnico sviluppo prodotto
Skill Type
core skills

Allegati

Scarica
la scheda di iscrizione

Ti potrebbe interessare anche

ARCHITETTURE PLC E SISTEMI DI MOTION CONTROL
Progettazione e programmazione
Scopri di più
Touch Panel TP1200 CONFORT Siemens - HMI
Scopri di più