Corso di formazione Matlab per Deep Learning

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 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.

Questo è un corso di 4 giorni che introduce l'intelligenza artificiale e la sua applicazione. C'è la possibilità di avere un giorno in più per intraprendere un progetto di intelligenza artificiale al termine di questo corso. 

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.

Questa formazione guidata dall'instruttore (online o in presenza) è rivolta a professionisti di livello avanzato che desiderano approfondire la propria comprensione della visione artificiale ed esplorare le capacità di TensorFlow per sviluppare modelli di visione sofisticati utilizzando Google Colab.

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

• Costruire e addestrare reti neurali convoluzionali (CNN) utilizzando TensorFlow.
• Sfruttare Google Colab per lo sviluppo di modelli cloud-based scalabili ed efficienti.
• Implementare tecniche di pre-elaborazione delle immagini per compiti di visione artificiale.
• Distribuire modelli di visione artificiale per applicazioni reali.
• Utilizzare il transfer learning per migliorare le prestazioni dei modelli CNN.
• Visualizzare e interpretare i risultati dei modelli di classificazione delle immagini.

Questo corso guidato dal formatore in Italia (online o sul posto) è rivolto a scienziati dei dati e sviluppatori di livello intermedio che desiderano comprendere e applicare tecniche di deep learning utilizzando l'ambiente Google Colab.

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

• Configurare e navigare in Google Colab per progetti di deep learning.
• Comprendere le basi delle reti neurali.
• Implementare modelli di deep learning utilizzando TensorFlow.
• Addestrare e valutare modelli di deep learning.
• Utilizzare funzionalità avanzate di TensorFlow per deep learning.

In questo corso guidato dal formatore, live in Italia, i partecipanti impareranno ad utilizzare le librerie Python per NLP mentre creano un'applicazione che elabora un set di immagini e genera didascalie.

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

• Progettare e codificare DL per NLP utilizzando le librerie Python.
• Creare codice Python che legge una vasta collezione di immagini e genera parole chiave.
• Creare codice Python che genera didascalie a partire dalle parole chiave rilevate.

Pubblico di riferimento

Questo corso è adatto a ricercatori e ingegneri di Deep Learning interessati all'utilizzo di strumenti disponibili (in gran parte open source) per l'analisi delle immagini dei computer.

Il corso fornisce esempi pratici.

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.

Questa formazione in diretta, tenuta da un istruttore e disponibile in Italia (online o in sede), è destinata ai data scientist che desiderano accelerare le applicazioni di machine learning in tempo reale e distribuirle su larga scala.

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

• Installare il toolkit OpenVINO.
• Accelerare un'applicazione di visione artificiale utilizzando un FPGA.
• Eseguire diversi livelli di reti CNN sull'FPGA.
• Scalare l'applicazione su più nodi all'interno di un cluster Kubernetes.

Questo corso di formazione guidato dal docente (online o in presenza) è rivolto a data scientists che desiderano utilizzare TensorFlow per analizzare dati potenzialmente fraudolenti.

Alla fine di questo training, i partecipanti saranno in grado di:

• Creare un modello di rilevamento frodi in Python e TensorFlow.
• Costruire regressioni lineari e modelli di regressione lineare per prevedere le frodi.
• Sviluppare un'applicazione AI end-to-end per l'analisi dei dati fraudolenti.

Questa formazione in presenza, tenuta da un istruttore in Italia (online o in sede), è rivolta a sviluppatori o data scientist che desiderano utilizzare Horovod per eseguire training di deep learning distribuito e scalare l'esecuzione su più GPU in parallelo.

Alla fine di questa formazione, i partecipanti saranno in grado di:

• Configurare l'ambiente di sviluppo necessario per avviare l'esecuzione di training di deep learning.
• Installare e configurare Horovod per addestrare modelli con TensorFlow, Keras, PyTorch e Apache MXNet.
• Scalare il training di deep learning con Horovod per eseguirlo 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.

Questo corso, tenuto da un istruttore e disponibile sia online che in sede, è rivolto a data scientist, ingegneri del machine learning e ricercatori di computer vision che desiderano sfruttare Stable Diffusion per generare immagini di alta qualità per una varietà di casi d'uso.

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

• Comprendere i principi di Stable Diffusion e il suo funzionamento nella generazione di immagini.
• Costruire e addestrare modelli Stable Diffusion per compiti di generazione di immagini.
• Applicare Stable Diffusion a diversi scenari di generazione di immagini, come inpainting, outpainting e traduzione da immagine a immagine.
• Ottimizzare 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.