Struttura del corso

Introduzione

GAN e autoencoder variazionali

  • Che cos'è una GAN? Cosa sono gli autoencoder variazionali?
  • Architettura GAN e autoencoder variazionali

Preparazione dell'ambiente di sviluppo

  • Installazione e configurazione TensorFlow

Modelli generativi

  • Dati di campionamento
  • Utilizzo del classificatore di Bayes e del modello di miscela gaussiana

Autoencoder variazionali

  • Parametrizzazione e riparametrizzazione con reti neurali
  • Trovare la riduzione della dimensionalità
  • Visualizzazione dello spazio latente

Gans

  • Implementazione della propagazione a ritroso
  • Utilizzo delle funzioni di perdita
  • Training di un modello di classificatore
  • Generazione di nuovi dati

GAN avanzate

  • Utilizzo della GAN condizionale
  • Lavorare con GAN convoluzionale profonda
  • Lavorare con GAN progressivo

Riassunto e conclusione

Requisiti

  • Python Esperienza di programmazione

Pubblico

  • Scienziati dei dati
 14 ore

Numero di Partecipanti



Prezzo per Partecipante

Corsi relativi

Categorie relative