Per seguire il modulo Introduzione alle reti convolutive sono necessarie competenze preliminari specifiche di Python, Regressione lineare e logistica.
MODULO DIDATTICO
Introduzione alle reti convolutive
Archietture Convolutive per la pattern-recognition in Computer-Vision, Natural Language Processing e analisi di segnali
LIVELLO
Da Beginner ad Advanced
PREREQUISITI
Python per la ds, Dalla regressione logistica alle reti neurali, Intro al ml e regressione lineare
DURATA TOTALE
4 ore
LEZIONI
100% on demand
PUOI TROVARE
QUESTO MODULO DIDATTICO IN
CORSO
TOP COURSE
Machine Learning Masterclass
- DURATA TOTALE:14 settimane
- LIVELLO:Avanzato
- PREREQUISITO:Nessuno
- PROGETTI:10 progetti
- LIVE:12 live con docente
Descrizione
Introduzione e approfondimenti sulle principali architetture convolutive, per sfruttare la pattern-recognition nei task in cui applicare il Deep Learning. Focus sulle operazioni base di padding, striding e pooling e concetti teorici di base come il weight sharing, la convoluzione volumetrica, il local perceptive fields ed esempi su architetture come LeNet-5, Residual Networks e Google Inception. Approfondimento di concetti come funzioni di costo custom e feature-maps exctraction tramite tecniche di Neural Style Transfer
Elenco lezioni del modulo
- Introduzione alle Reti Neurali Artificiali Convolutive
- Generalità sulla Convoluzione
- Esempio di Filtraggio
- Il Padding
- Lo Stride
- Convoluzione Volumetrica
- Filtri, Kernel e Parametri
- Local Perceptive Fields
- Weights Sharing -4:57
- Downsampling e Upsampling
- Addestramento di una rete neurale convolutiva
- Esercitazione CNN e Keras
- Esercitazione LeNet-5 con Keras
- Esercitazione Spam Detection
- Residual Networks
- Esercitazione Residual Networks
- 1x1 Convolution
- Inception Block e GoogLeNet
- Esercitazione Inception
- LIVE