Per seguire il modulo Reti Convolutive: Strategie Avanzate sono necessarie competenze preliminari specifiche di Python, Regressione lineare e logistica.
MODULO DIDATTICO
Reti Convolutive: Strategie Avanzate
Analisi di architetture convolutive avanzate e casi d’uso particolari
LIVELLO
Da Beginner ad Advanced
PREREQUISITI
Python per la ds, Introduzione alle reti convolutive
DURATA TOTALE
4 ore
LEZIONI
100% on demand
PUOI TROVARE
QUESTO MODULO DIDATTICO IN
CORSO
TOP COURSE
Machine Learning Masterclass
Accedi alla Masterclass italiana più avanzata ed aggiornata per acquisire competenze professionali complete su Machine Learning, Deep Learning e Reinforcement Learning e su tanti altri algoritmi che ti permetteranno di applicare queste tecniche in contesti reali.
- DURATA TOTALE:14 settimane
- LIVELLO:Avanzato
- PREREQUISITO:Nessuno
- PROGETTI:12 progetti
- LIVE:12 live con docente
da 179€/mese
Descrizione
Studio di particolari configurazioni di architetture convolutive tramite esercitazioni su modelli come U-Net. Auto-Encoder, Variational-AutoEncoder e GAN e focus su tecniche di transfer-learning, batch normalization e DropOut. Introduzione all’utilizzo di TensorFlow Datasets e applicazione di architetture convolutive a task di diversa natura.
Elenco lezioni del modulo
- U-Net
- Esercitazione U-Net
- Dropout
- Esercitazione Dropout
- Batch Normalization
- Esercitazione LeNet-5 con Batch Normalization
- Global Pooling
- Esercitazione su Tensorflow Datasets
- Esercitazione Global Pooling
- Autoencoder
- Esercitazione Autoencoder
- GAN
- Esercitazione GAN
- Transfer Learning
- Esercitazione Transfer Learning