Struttura del corso

Introduzione

GAN e autoencoder variazionali

  • Che cos'è una GAN? Cosa sono gli autoencoder variazionali?
  • Architettura GAN e autoencoder variazionali

Preparazione dell'ambiente di sviluppo

  • Installazione e configurazione TensorFlow

Modelli generativi

  • Dati di campionamento
  • Utilizzo del classificatore di Bayes e del modello di miscela gaussiana

Autoencoder variazionali

  • Parametrizzazione e riparametrizzazione con reti neurali
  • Trovare la riduzione della dimensionalità
  • Visualizzazione dello spazio latente

Gans

  • Implementazione della propagazione a ritroso
  • Utilizzo delle funzioni di perdita
  • Training di un modello di classificatore
  • Generazione di nuovi dati

GAN avanzate

  • Utilizzo della GAN condizionale
  • Lavorare con GAN convoluzionale profonda
  • Lavorare con GAN progressivo

Riassunto e conclusione

Requisiti

  • Python Esperienza di programmazione

Pubblico

  • Scienziati dei dati
 14 ore

Numero di Partecipanti



Prezzo per Partecipante

Corsi relativi

H2O AutoML

14 ore

AutoML with Auto-sklearn

14 ore

AutoML with Auto-Keras

14 ore

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

21 ore

Introduction to Stable Diffusion for Text-to-Image Generation

21 ore

AlphaFold

7 ore

TensorFlow Lite for Embedded Linux

21 ore

TensorFlow Lite for Android

21 ore

TensorFlow Lite for iOS

21 ore

Tensorflow Lite for Microcontrollers

21 ore

Deep Learning Neural Networks with Chainer

14 ore

Distributed Deep Learning with Horovod

7 ore

Accelerating Deep Learning with FPGA and OpenVINO

35 ore

Building Deep Learning Models with Apache MXNet

21 ore

Deep Learning with Keras

21 ore

Categorie relative