Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione a Computer Vision
- Panoramica delle applicazioni della visione artificiale
- Comprendere i dati e i formati di immagine
- Sfide nelle attività di visione artificiale
Introduzione ai Neural Networks Convolutional (CNNs)
- Che cosa sono i CNN?
- Architettura dei CNN: layer convoluzionali, pooling e layer completamente connessi
- Come si utilizzano i CNN nella visione artificiale
Pratica con TensorFlow e Google Colab
- Configurazione dell'ambiente in Google Colab
- Utilizzo di TensorFlow per la costruzione del modello
- Costruire un semplice modello CNN in TensorFlow
Tecniche avanzate dei CNN
- Apprendimento transfer per i CNN
- Affinamento di modelli pre-addestrati
- Tecniche di augmentation dati per migliorare le prestazioni
Preelaborazione e Augmentation delle Immagini
- Tecniche di preelaborazione immagine (scaling, normalizzazione, etc.)
- Augmentazione dei dati dell'immagine per una migliore formazione del modello
- Utilizzo della pipeline dati delle immagini in TensorFlow
Costruzione e Deployment di Modelli Computer Vision
- Addestramento dei CNN per la classificazione d'immagine
- Valutazione e validazione delle prestazioni del modello
- Deployment di modelli in ambienti di produzione
Applicazioni nel Mondo Reale della Computer Vision
- Visione artificiale nella sanità, nel commercio al dettaglio e nella sicurezza
- Rilevamento e riconoscimento oggetti potenziato dall'IA
- Utilizzo dei CNN per il riconoscimento di facce e gesti
Riassunto e Prossimi Passi
Requisiti
- Esperienza con Python programming
- Comprensione dei concetti di deep learning
- Conoscenza base delle reti neurali convoluzionali (CNN)
Destinatari
- Scienziati dei dati
- Professionisti dell'IA
21 Ore
Recensioni (1)
I genuinely enjoyed the hands-on approach.
