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

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