Deep Learning

Per seguire il modulo Deep Learning sono necessarie competenze preliminari specifiche di Python, Reti convolutive, Reti ricorrenti e serie temporali.

Il modulo Deep Learning copre i seguenti argomenti principali: architetture ibride, cella ConvLSTM, Highway Network e Fractal Network, Limiti ANN, NAC – Neural ACcumulator, Esercitazione NALU, Callback e TensorBoard.

Al termine del modulo Deep Learning sarai in grado di comprendere e applicare architetture ibride di Deep Learning come ConvLSTM e Highway-Networks, arginare i limiti delle Reti Neurali Artificiali con approcci come NAC e NALU, e utilizzare TensorBoard per il fine-tuning degli iper-parametri e l’analisi degli addestramenti.

L’esame finale e la certificazione sono previsti per i corsi Data Masters, non per i singoli moduli.

Tutti i materiali (slide, materiale per esercitazioni, ecc.) sono scaricabili, mentre tutte le lezioni possono essere riviste in qualsiasi momento.

Certamente, durante il modulo Deep Learning è disponibile assistenza continua da parte dei nostri docenti per qualsiasi dubbio o domanda.