IMPARA A CREARE AGENTI AI   PROMO 50% FINO AL 21 AGOSTO

Scopri di più
Accedi
MODULO DIDATTICO

Deep Learning

Modulo di approfondimento sul Deep Learning, con focus su particolari architetture ibride e alcuni strumenti utili all’addestramento.

LIVELLO

Da Beginner ad Advanced

PREREQUISITI

Python per la ds, Introduzione alle reti convolutive, Deep dive reti convolutive, Reti ricorrenti e serie temporali

DURATA TOTALE

11 ore

LEZIONI

100% on demand

PUOI TROVARE
QUESTO MODULO DIDATTICO IN

PERCORSO DI CARRIERA

TOP COURSE

Machine Learning Engineer

Il Percorso di Carriera più completo e aggiornato per acquisire le competenze professionali più avanzate in Machine Learning, Deep Learning e Reinforcement Learning che ti permetteranno di risolvere problemi reali e sviluppare soluzioni custom in ambito aziendale.Un modello didattico unico che prevede una live a settimana dopo gli orari lavorativi.

  • DURATA TOTALE4 mesi circa
  • LIVELLOAvanzato
  • PREREQUISITOPython
  • PROGETTI12 project work
  • LIVE1 live a settimana
  • STIPENDIO MEDIO35K - 75K+

da 179€/mese

Scopri di più

Descrizione

Analisi e studio di particolari architetture ibride di Deep-Learning, come la cella ConvLSTM o le Highway-Networks.
Focus sui limiti delle Reti Neurali Artificiali e descrizione di alcuni approcci per arginare questi limici, come NAC e NALU.
Fine-tuning automatico degli iper-parametri e analisi dell ándamento degli addestramenti tramite TensorBoard.
Approfondimento sul funzionamento dei principali ottimizzatori.

Elenco lezioni del modulo

  • Introduzione alle Architetture Ibride
  • Esercitazione Architetture Ibride
  • La Cella ConvLSTM
  • Esercitazione ConvLSTM e Moving MNIST
  • Highway Network e Fractal Network
  • Esercitazione Highway Network
  • Esercitazione HW-Network su Architettura Convolutiva
  • Limiti ANN
  • Esercitazione Limiti ANN
  • [OPZIONALE] NAC - Neural ACcumulator
  • [OPZIONALE] Esercitazione - Demo Grafica Pesi cella NAC
  • [OPZIONALE] Esercitazione NAC
  • [OPZIONALE] NALU - Neural Arithmentic Logic Unit
  • [OPZIONALE] Esercitazione NALU
  • Stable Diffusion 2
  • Stable Diffusion 2 - Esercitazione
  • ViT - Vision Transformer
  • CCT - Compact Convolutional Transformer
  • MLP Mixer
  • Fine Tuning degli Iper-Parametri
  • Esercitazione GridSearch e RandomSearch
  • Callback e TensorBoard
  • Esercitazione TesorBoard (1 di 4)
  • Esercitazione TensorBoard (2 di 4) Scalari e Immagini
  • Esercitazione TensorBoard (3 di 4) Visualizzazione Embedding
  • Esercitazione TensorBoard (4 di 4) HParam
  • Ottimizzatori
  • Esercitazione Ottimizzatori
  • Esercitazione Prima Adam, poi SGD
  • [OPZIONALE] Introduzione a LangChain - Parte 1
  • [OPZIONALE] Introduzione a LangChain - Parte 2
  • [OPZIONALE] Introduzione a LangChain - Parte 3

DOMANDE FREQUENTI