Deep Learning Formazione in Torino

Questo corso, tenuto da un istruttore in forma live Torino (online o in sede), è rivolto a sviluppatori, data scientist e professionisti dell’AI di livello intermedio interessati ad applicare TensorFlow Lite nelle soluzioni edge.

Alla fine del percorso formativo i partecipanti saranno in grado di:

• Comprendere i fondamenti di TensorFlow Lite e il suo ruolo nell’Intelligenza Artificiale edge.
• Sviluppare e 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.
• Realizzare applicazioni pratiche di Intelligenza Artificiale edge con TensorFlow Lite.

Questo corso formativo dal vivo, condotto da un istruttore Torino (online o in sede), è pensato per professionisti esperti che vogliono approfondire le proprie competenze nella visione artificiale e sfruttare al meglio TensorFlow per lo sviluppo di modelli avanzati tramite Google Colab.

Alla conclusione del corso, i partecipanti saranno in grado di:

• Costruire e addestrare reti neurali convoluzionali (CNN) con TensorFlow.
• Sfruttare Google Colab per uno sviluppo di modelli in cloud scalabile ed efficiente.
• Implementare tecniche di pre-elaborazione delle immagini utili nelle applicazioni di visione artificiale.
• Distribuire modelli di visione artificiale in contesti reali.
• Utilizzare il transfer learning per migliorare le prestazioni dei modelli CNN.
• Visualizzare e interpretare i risultati ottenuti dai modelli di classificazione delle immagini.

Questo corso formativo dal vivo, tenuto da istruttori Torino (online o in loco), si rivolge a data scientist e sviluppatori di livello intermedio interessati ad apprendere e applicare tecniche di apprendimento profondo nell’ambiente di Google Colab.

Alla fine del percorso formativo, i partecipanti saranno in grado di:

• Configurare e utilizzare Google Colab per progetti di apprendimento profondo.
• Comprendere i fondamenti delle reti neurali.
• Implementare modelli di apprendimento profondo tramite TensorFlow.
• Addestrare ed valutare tali modelli.
• Sfruttare le funzionalità avanzate di TensorFlow nell’ambito dell’apprendimento profondo.

Si tratta di un corso intensivo guidato da istruttori Torino (sia online che in sede), rivolto a professionisti di livello avanzato desiderosi di specializzarsi nelle più recenti tecniche di apprendimento profondo applicate all'NLU.

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

• Comprendere le principali differenze tra modelli NLU e NLP.
• Applicare tecniche avanzate di apprendimento profondo alle attività legate all'NLU.
• Esplorare architetture complesse quali i transformer e i meccanismi di attenzione.
• Sfruttare le tendenze future dell'NLU per lo sviluppo di sistemi di intelligenza artificiale sofisticati.

Questo corso formativo dal vivo tenuto da istruttori Torino (online o in presenza) è rivolto a professionisti di livello avanzato che desiderano conoscere le tecniche XAI più innovative per i modelli deep learning, con l’obiettivo primario di progettare sistemi AI interpretabili.

Alla fine del percorso formativo, i partecipanti saranno in grado di:

• Comprendere le difficoltà legate alla spiegabilità nel deep learning.
• Applicare tecniche XAI avanzate alle reti neurali.
• Interpretare correttamente le decisioni prese dai modelli deep learning.
• Valutare i compromessi tra prestazioni e trasparenza.

Questo corso formativo dal vivo, tenuto da istruttori in Torino (in modalità online o in presenza), è rivolto a data scientist di livello intermedio e avanzato, ingegneri del machine learning, ricercatori di apprendimento profondo ed esperti di visione artificiale che desiderano ampliare le proprie conoscenze sulla generazione di immagini tramite tecnologie di apprendimento profondo.

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

• Comprendere le architetture e le tecniche avanzate dell’apprendimento profondo per la generazione di immagini da testo.
• Implementare modelli complessi e ottimizzazioni mirate a ottenere sintesi di immagini di alta qualità.
• Ottimizzare le prestazioni e la scalabilità del sistema, anche quando si lavora con grandi dataset e modelli complessi.
• Regolare i parametri principali per migliorare sia le prestazioni che la capacità di generalizzazione dei modelli.
• Integrare Stable Diffusion con altri framework e strumenti dedicati all’apprendimento profondo.

Questo corso formativo, tenuto da istruttori esperti e svolgibile in Torino (online o in sede), si rivolge a professionisti di livello avanzato desiderosi di impiegare le tecniche dell’intelligenza artificiale per innovare i processi di scoperta e sviluppo farmaceutico.

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

• Comprendere il ruolo dell’intelligenza artificiale nella scoperta e nello sviluppo dei farmaci.
• Applicare tecniche di machine learning per prevedere le proprietà e le interazioni molecolari.
• Utilizzare modelli di deep learning per effettuare screening virtuale e ottimizzazione dei composti candidati.
• Integrare approcci basati sull’AI nei processi di sperimentazione clinica.

Questo corso pratico tenuto da istruttori in Torino (online o in presenza) è rivolto a biologi che desiderano comprendere il funzionamento di AlphaFold e utilizzare i relativi modelli come strumento guida nelle proprie ricerche sperimentali.

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

• Comprendere i principi fondamentali su cui si basa AlphaFold.
• Conoscere il meccanismo operativo di AlphaFold.
• Interpretare correttamente le previsioni e i risultati ottenuti con AlphaFold.

Questo corso formativo guidato da un istruttore in Torino (online o in presenza) è indirizzato a sviluppatori di livello principiante e intermedio interessati all’utilizzo dei Large Language Models per svolgere molteplici compiti linguistici.

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

• Configurare un ambiente di sviluppo contenente un LLM ampiamente utilizzato.
• Creare un modello LLM di base e addestrarlo su un set di dati personalizzato.
• Sfruttare i LLM per compiti quali la sintesi testuale, il rispondimo a domande, la generazione di contenuti, ecc.
• Diagnosticare ed valutare i modelli LLM mediante strumenti come TensorBoard, PyTorch Lightning e Hugging Face Datasets.

Si tratta di un corso pratico, con docenza in presenza o online, indirizzato a data scientist, ingegneri del machine learning e ricercatori nella visione artificiale desiderosi di sfruttare Stable Diffusion per creare immagini di qualità in svariate applicazioni.

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

• Comprendere il funzionamento di Stable Diffusion nella generazione di immagini.
• Sviluppare e addestrare modelli Stable Diffusion per generare immagini.
• Utilizzare Stable Diffusion in diverse situazioni, come l’inpainting, l’outpainting e la traduzione tra tipi di immagini.
• Ottimizzare le prestazioni e la stabilità dei modelli implementati.

In questo corso pratico tenuto da un istruttore in Torino, i partecipanti apprenderanno le tecniche più rilevanti e innovative di machine learning utilizzando Python, sviluppando una serie di applicazioni dimostrative basate su immagini, musica, testo e dati finanziari.

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

• Implementare algoritmi e tecniche di machine learning per risolvere problemi complessi.
• Applicare il deep learning e l’apprendimento semi-supervisionato a contesti che coinvolgono immagini, musica, testo e dati finanziari.
• Sfruttare al massimo le potenzialità degli algoritmi in Python.
• Utilizzare librerie e pacchetti come NumPy e Theano.

Questo corso pratico tenuto da istruttori in Torino (in modalità online o in presenza) introduce al campo del riconoscimento dei pattern e dell’apprendimento automatico. Vengono trattate le applicazioni concrete in ambiti come la statistica, l’informatica, l’elaborazione dei segnali, la visione artificiale, l’estrazione di informazioni dai dati e la bioinformatica.

Al termine del corso i partecipanti saranno in grado di:

• Applicare metodi statistici fondamentali al riconoscimento dei pattern.
• Utilizzare modelli chiave, come le reti neurali e i metodi basati sui kernel, per l’analisi dei dati.
• Implementare tecniche avanzate utili alla risoluzione di problemi complessi.
• Migliorare la precisione delle previsioni combinando diversi modelli.

Questo corso pratico tenuto da istruttori in Torino (online o in presenza) si rivolge a sviluppatori software, analisti dati e professionisti tecnici che vogliono utilizzare TensorFlow 2.x e Keras per creare, addestrare e distribuire modelli di deep learning finalizzati alla visione artificiale, all'elaborazione del linguaggio naturale e ad applicazioni multimediali.

Questo corso pratico, tenuto da un istruttore in Torino (online o in presenza), è rivolto a data scientist che desiderano utilizzare TensorFlow per analizzare dati potenzialmente legati a frodi.

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

• Creare un modello di rilevamento delle frodi utilizzando Python e TensorFlow.
• Costruire modelli di regressione lineare per prevedere la presenza di frodi.
• Sviluppare un’applicazione completa basata sull’intelligenza artificiale per l’analisi dei dati relativi alle frodi.

In questo corso pratico guidato da un istruttore, i partecipanti apprenderanno come utilizzare MATLAB per progettare, sviluppare e visualizzare una rete neurale convoluzionale finalizzata al riconoscimento di immagini.

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

• Creare modelli di deep learning
• Automatizzare l'etichettatura dei dati
• Lavorare con modelli provenienti da Caffe e TensorFlow-Keras
• Effettuare il training dei dati sfruttando più GPU, la nuvola o cluster di elaborazione

Destinatari

• Sviluppatori
• Ingegneri
• Esperti del settore

Modalità di svolgimento del corso

• Il corso prevede lezioni teoriche, discussioni, esercizi e un'intensa pratica hands-on

Questa formazione dal vivo, guidata da un docente, su Torino (online o in sede), è rivolta a sviluppatori e data scientist che desiderano utilizzare TensorFlow 2.x per costruire predictor, classificatori, modelli generativi, reti neurali e altro ancora.

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

• Installare e configurare TensorFlow 2.x.
• Comprendere i vantaggi di TensorFlow 2.x rispetto alle versioni precedenti.
• Costruire modelli di deep learning.
• Implementare un classificatore di immagini avanzato.
• Distribuire un modello di deep learning su cloud, dispositivi mobili e dispositivi IoT.