Corso di formazione Deep Learning per la Visione

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist di livello intermedio e avanzato, ingegneri di machine learning, ricercatori di deep learning ed esperti di visione artificiale che desiderano ampliare le proprie conoscenze e competenze nell'apprendimento profondo per la generazione di testo in immagine.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi le architetture e le tecniche avanzate di deep learning per la generazione di testo in immagine.
• Implementa modelli complessi e ottimizzazioni per la sintesi di immagini di alta qualità.
• Ottimizza le prestazioni e la scalabilità per set di dati di grandi dimensioni e modelli complessi.
• Ottimizza gli iperparametri per migliorare le prestazioni e la generalizzazione del modello.
• Integrare Stable Diffusion con altri framework e strumenti di deep learning

Questo corso è stato creato per manager, architetti di soluzioni, responsabili dell'innovazione, CTO, architetti software e chiunque sia interessato a una panoramica dell'intelligenza artificiale applicata e alle previsioni più vicine per il suo sviluppo.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai biologi che desiderano capire come funziona AlphaFold e utilizzare i modelli AlphaFold come guide nei loro studi sperimentali.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendere i principi di base di AlphaFold.
• Scopri come funziona AlphaFold.
• Scopri come interpretare AlphaFold le previsioni e i risultati.

Questa formazione guidata dal docente in Italia (online o presenza) si rivolge a scienziati dei dati e statistici di livello intermedio che desiderano preparare i dati, creare modelli e applicare efficacemente tecniche di apprendimento automatico nei loro domini professionali.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Capire e implementare vari algoritmi Machine Learning.
• Preparare dati e modelli per applicazioni di apprendimento automatico.
• Eseguire analisi post hoc e visualizzare i risultati efficacemente.
• Applicare tecniche di apprendimento automatico a scenari reali, specifici dei settori.

Caffe è un framework di deep learning concepito con espressività, velocità e modularità come principi fondamentali.

Questo corso esplora l'applicazione di Caffe come framework di deep learning per il riconoscimento delle immagini utilizzando MNIST come esempio.

Pubblico di Riferimento

Questo corso è adatto a ricercatori e ingegneri del deep learning interessati all'uso di Caffe come framework.

Dopo aver completato questo corso, i partecipanti saranno in grado di:

• comprendere la struttura e i meccanismi di distribuzione di Caffe
• svolgere compiti di installazione, configurazione dell'ambiente di produzione e architettura
• valutare la qualità del codice, eseguire il debug e la monitorizzazione
• implementare funzionalità avanzate come l'addestramento dei modelli, l'implementazione di layer e la registrazione

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a ricercatori e sviluppatori che desiderano utilizzare Chainer per costruire e addestrare reti neurali in Python rendendo il codice facile da debuggare.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Configura l'ambiente di sviluppo necessario per iniziare a sviluppare modelli di reti neurali.
• Definisci e implementa modelli di reti neurali utilizzando un codice sorgente comprensibile.
• Esegui esempi e modifica gli algoritmi esistenti per ottimizzare i modelli di addestramento del deep learning sfruttando GPU per ottenere prestazioni elevate.

Computer Network ToolKit (CNTK) è il framework di apprendimento automatico per l'addestramento RNN Open Source, Multi-machine, Multi-GPU di Microsoft per l'addestramento di voce, testo e immagini.

Pubblico

Questo corso è rivolto a ingegneri e architetti che mirano a utilizzare CNTK nei loro progetti.

Questo addestramento interattivo guidato dall'insegnante in Italia (online o sul posto) si rivolge ai sviluppatori di livello intermedio, ai data scientist e agli esperti di IA che desiderano sfruttare TensorFlow Lite per applicazioni Edge AI.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere le basi di TensorFlow Lite e il suo ruolo nell'Edge AI.
• Sviluppare ed ottimizzare modelli AI utilizzando TensorFlow Lite.
• Distribuire modelli TensorFlow Lite su diversi dispositivi Edge.
• Utilizzare strumenti e tecniche per la conversione e l'ottimizzazione dei modelli.
• Implementare applicazioni pratiche di Edge AI utilizzando TensorFlow Lite.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai data scientist che desiderano accelerare le applicazioni di machine learning in tempo reale e implementarle su larga scala.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Installare il toolkit OpenVINO.
• Accelera un'applicazione di visione artificiale utilizzando un FPGA.
• Esegui diversi livelli CNN sull'FPGA.
• Ridimensionare l'applicazione su più nodi in un cluster Kubernetes.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori o data scientist che desiderano utilizzare Horovod per eseguire corsi di formazione distribuiti di deep learning e scalarli per l'esecuzione su più GPU in parallelo.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Configura l'ambiente di sviluppo necessario per iniziare a eseguire corsi di formazione sul deep learning.
• Installare e configurare Horovod per addestrare i modelli con TensorFlow, Keras, PyTorch e Apache MXNet.
• Scala l'addestramento di deep learning con Horovod per l'esecuzione su più GPU.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a persone tecniche che desiderano applicare il modello di deep learning alle applicazioni di riconoscimento delle immagini.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Installare e configurare Keras.
• Prototipa rapidamente i modelli di deep learning.
• Implementare una rete convoluzionale.
• Implementare una rete ricorrente.
• Esegui un modello di deep learning sia su una CPU che su GPU.

Il training è rivolto a persone interessate ad apprendere i concetti di base sulle reti neurali e le loro applicazioni.

Questo corso è una introduzione all'utilizzo delle reti neurali per risolvere problemi reali utilizzando il software R-project.

Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto a data scientist, ingegneri di machine learning e ricercatori di visione artificiale che desiderano sfruttare Stable Diffusion per generare immagini di alta qualità per una varietà di casi d'uso.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi i principi di Stable Diffusion e come funziona per la generazione di immagini.
• Compilare e addestrare Stable Diffusion modelli per le attività di generazione di immagini.
• Applicare Stable Diffusion a vari scenari di generazione di immagini, ad esempio inpainting, outpainting e conversione da immagine a immagine.
• Ottimizza le prestazioni e la stabilità dei modelli Stable Diffusion.

Questa formazione guidata da un istruttore (online o in sede) è rivolta agli ingegneri che desiderano scrivere, caricare ed eseguire modelli di machine learning su piccoli dispositivi embedded.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare TensorFlow Lite.
• Caricare modelli di machine learning su un dispositivo embedded per consentirgli di riconoscere la voce, classificare immagini, ecc.
• Aggiungere AI a dispositivi hardware senza dipendere dalla connettività di rete.