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 di visione artificiale
- Informazioni sui dati e sui formati delle immagini
- Sfide nelle attività di visione artificiale
Introduzione alla convoluzione Neural Networks (CNN)
- Cosa sono le CNN?
- Architettura delle CNN: livelli convoluzionali, pooling e livelli completamente connessi
- Come vengono utilizzate le CNN nella visione artificiale
Hands-on con TensorFlow e Google Colab
- Impostazione dell'ambiente in Google Colab
- Utilizzo di TensorFlow per la costruzione di modelli
- Costruire un semplice modello CNN in TensorFlow
Tecniche CNN avanzate
- Transfer learning per le CNN
- Ottimizzazione di modelli pre-addestrati
- Tecniche di aumento dei dati per migliorare le prestazioni
Pre-elaborazione e aumento delle immagini
- Tecniche di pre-elaborazione delle immagini (ridimensionamento, normalizzazione, ecc.)
- Aumento dei dati delle immagini per un migliore addestramento dei modelli
- Utilizzo della pipeline di dati immagine di TensorFlow
Compilazione e distribuzione di modelli Computer Vision
- Addestramento delle CNN per la classificazione delle immagini
- Valutazione e convalida delle prestazioni del modello
- Distribuzione di modelli in ambienti di produzione
Applicazioni del mondo reale di Computer Vision
- Visione artificiale nel settore sanitario, della vendita al dettaglio e della sicurezza
- Rilevamento e riconoscimento degli oggetti basati sull'intelligenza artificiale
- Utilizzo delle CNN per il riconoscimento facciale e gestuale
Riepilogo e passaggi successivi
Requisiti
- Esperienza con la programmazione Python
- Comprensione dei concetti di deep learning
- Conoscenze di base delle reti neurali convoluzionali (CNN)
Pubblico
- Scienziati dei dati
- Professionisti dell'IA
21 ore
Recensioni (1)
I genuinely enjoyed the hands-on approach.
