DEEP LEARNING (16 ore)
Prerequisiti
Conoscenza di programmazione in Python 3.8
Conoscenza di Pandas, NumPy, MatplotLib
Conoscenze di concetti di Machine Learning Supervisionato (Classificazioni e Regressioni)
Conoscenza base di Reti Neurali
Conoscenza di TensorFlow 2
Temi del corso
Modulo 1: Classificatori per Immagini
Reti Neurali, Keras (Sequential API, Functional API)
Stimatori, CNN (Reti Convoluzionali)
Modulo 2: Analisi di dati testuali
Notazioni sui dati testuali
Feature engineering su testo: Bag of Words, Dictionary. Regressione e Classificazione sul testo
Modulo 3: Serie Temporali
Modelli Sequenziali in Machine Learning per Serie Temporali
Dense Neural Networks
Recurrent Neural Networks
Long Short-Term Memory
Stati Nascosti Intermedi
Predizioni Multivariate
Modulo 4: Problemi di Riduzione Dimensionale
PCA, Partial Least Squares
Autoencoder
Modulo 5: Modelli Generativi
Autoencoder Variazionali
Generative Adversarial Networks
Possibili Applicazioni
Modulo 6: Apprendimento a Rinforzo (Reinforcement Learning)
Q-Convergenza
Esempi in GymUI
Modulo 7: Strumenti e Architetture
Kubernetes, KubeFlow
Dask
MLOps
Uso di API (Google API, ecc.)
Ambienti cloud di Machine Learning (es. Google Data Cloud)
Gli argomenti saranno corredati da piccoli esempi pratici, da far girare in ambiente cloud (Google Cloud)