Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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.
