Struttura del corso

Introduzione alla Visione Artificiale

  • Panoramica sulle applicazioni della visione artificiale
  • Comprensione dei dati e dei formati delle immagini
  • Sfide nei compiti di visione artificiale

Introduzione alle Reti Neurali Convoluzionali (CNN)

  • Cosa sono le CNN?
  • Architettura delle CNN: layer convoluzionali, pooling e layer completamente connessi
  • Come le CNN vengono utilizzate nella visione artificiale

Pratica con TensorFlow e Google Colab

  • Configurazione dell'ambiente in Google Colab
  • Utilizzo di TensorFlow per la costruzione dei modelli
  • Costruzione di un semplice modello CNN in TensorFlow

Tecniche Avanzate per le CNN

  • Transfer learning per le CNN
  • Ottimizzazione di modelli pre-addestrati
  • Tecniche di data augmentation per un miglioramento delle prestazioni

Pre-elaborazione e Augmentation delle Immagini

  • Tecniche di pre-elaborazione delle immagini (ridimensionamento, normalizzazione, ecc.)
  • Augmentazione dei dati delle immagini per un miglior addestramento del modello
  • Utilizzo della pipeline di dati delle immagini in TensorFlow

Costruzione e Distribuzione dei Modelli di Visione Artificiale

  • Addestramento di CNN per la classificazione delle immagini
  • Valutazione e validazione delle prestazioni del modello
  • Distribuzione dei modelli in ambienti di produzione

Applicazioni Reali della Visione Artificiale

  • Visione artificiale nella sanità, nel commercio al dettaglio e nella sicurezza
  • Rilevamento e riconoscimento degli oggetti alimentati da AI
  • Utilizzo delle CNN per il riconoscimento facciale e dei gesti

Riepilogo e Passaggi Successivi

Requisiti

  • Esperienza con la programmazione Python
  • Comprensione dei concetti di deep learning
  • Conoscenze di base sulle reti neurali convoluzionali (CNN)

Pubblico Obiettivo

  • Scienziati dei dati
  • Praticanti di AI
 21 Ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative