Deep Learning Fundamentals
Il corso offre un’immersione approfondita nel campo del Deep Learning, con un’enfasi particolare sull’aspetto pratico e sperimentale. Gli studenti avranno l’opportunità di esplorare i concetti fondamentali dei neuroni, dei livelli neurali e delle architetture di reti neurali, nonché di apprendere le tecniche per la
progettazione, l’addestramento e l’ottimizzazione di reti neurali sia semplici che complesse.
Durante il corso, verranno affrontati progetti pratici come il riconoscimento di cifre scritte a mano (MNIST) e la classificazione multiclasse, offrendo agli studenti l’occasione di applicare le loro conoscenze in contesti reali. Inoltre, il corso approfondirà temi cruciali come le attivazioni ReLU, Softmax e l’importanza della valutazione delle prestazioni dei modelli. Un’attenzione particolare sarà dedicata anche alla comprensione e alla gestione del bias nei modelli di Deep Learning.
CODE: DSAI300
Category: Corso Intelligenza Artificiale
Metodologia didattica
Il corso prevede laboratori didattici in cui ogni studente potrà svolgere esercizi di formazione che forniranno esperienza pratica nell’uso dello strumento, per ognuno degli argomenti trattati durante il corso.
Prerequisiti
-
Conoscenze di base di matematica, in particolare algebra lineare e calcolo differenziale
-
Comprensione dei fondamenti di informatica e programmazione
Conoscenza di Python
-
Comprensione dei concetti fondamentali di Machine Learning
La seguente è una panoramica dei contenuti del corso:
- Concetti di Neuroni e Strati NeuraliÂ
- Rete Neurale Semplice
- Coffe Roasting
- Utilizzo del Dataset MNIST
- Attivazione ReLU
- SoftMax Activation Function
- Classificazione Multiclasse
- Valutazione dei modelli di Deep Learning
- Bias nei modelli di Deep Learning
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere i concetti di Neuroni e Strati Neurali.
- Creare e implementare una rete neurale semplice.
- Applicare l’apprendimento automatico nel contesto del Coffe Roasting.
- Utilizzare il dataset MNIST per la Classificazione.
- Comprendere e applicare l’attivazione ReLU e Softmax.
- Gestire problemi di Classificazione Multiclass.
- Valutare le prestazioni dei modelli di Deep Learning.
- Comprendere e gestire il Bias nei modelli.
Durata – 1 giorno
Erogazione – in aula, in loco, da remoto
Requisiti PC e SW:
- Connessione a Internet
- Browser web, Google Chrome
- Zoom
Lingua
- Istruttore: Italiano
- Laboratori: Inglese
- Slides: Inglese
