Deep Learning e Reti Neurali in Python

Il deep learning è il motore dell'intelligenza artificiale moderna, ma il suo funzionamento interno spesso sembra una scatola nera.Questo corso demistifica il campo, fornendo spiegazioni chiare e scritte su come le reti neurali elaborano effettivamente le informazioni e imparano dai dati.Passerai dalla comprensione dei modelli di dati di base alla costruzione di architetture sofisticate in grado di riconoscimento delle immagini, previsione delle sequenze e compressione dei dati. Cosa imparerai: - Comprendere i principi fondamentali delle reti neurali artificiali e come imitano l'apprendimento biologico. - Costruisci reti neurali convoluzionali per l'elaborazione di modelli strutturati e dati visivi. - Applicare reti neurali ricorrenti per gestire informazioni di serie temporali e set di dati sequenziali. - Esplora le tecniche di apprendimento non supervisionato utilizzando autoencoder e mappe auto-organizzanti. - Implementare le migliori pratiche moderne tra cui dropout, regolarizzazione e algoritmi di ottimizzazione. - Praticare le basi dell'ingegneria rapida per interagire e perfezionare i modelli su larga scala. - Progetta modelli robusti utilizzando le attuali librerie Python e le strutture di codice modulare. Il viaggio inizia con la terminologia essenziale e l'intuizione matematica dietro neuroni e strati. Progredirai quindi attraverso architetture specifiche per attività supervisionate prima di esplorare metodi avanzati non supervisionati e moderni modelli di integrazione dell'IA. Questo corso è progettato per i principianti interessati all'IA e alla scienza dei dati; non è richiesta alcuna esperienza precedente con il deep learning.