Corso-Deep-Learning-con-TensorFlow

Programma Corso-Deep-Learning-con-TensorFlow (40 ore)

1. Introduzione al Deep Learning
   Definizione di Deep Learning
   Reti Neurali
   Applicazioni di Deep Learning
2. ANNs (Artificial Neural Networks)
   Introduzione
   Perceptron
   Funzioni di attivazione: Sigmoid, ReLU, iperboliche, Softmax
   Regole di apprendimento
   Forward e Backpropagation
   Gradiente Discendente e Gradiente Discendente Stocastico
   Minimizzazione della funzione di costo
   Multi-Layer ANNs
3. Ottimizzazione e Regolarizzazione
   Overfitting
   Cross Validazione
   Feature Selection
   Regolarizzazione
   Dropout
   Iperparametri
4. Allenamento di Reti Neurali
   Inizializzazione Xavier
   ReLUs e ELUs
   Normalizzazione Batch
   Transfer Learning
   Pre-apprendimento senza supervisione
5. TensorFlow
   Introduzione
   Grafo Computazionale
   Punti Chiave
   Creazione Grafo
   Esempio di Regressione
   Gradiente Discendente
   TensorBoard
   Salvataggio e ripristino modelli
   Reti basate su Keras
6. CNN: Convolutional Neural Network
   Introduzione alle CNN
   Filtro kernel
   Architettura CNN
   Implementare CNN in TensorFlow
7. RNN: Recurrent Neural Network
   Introduzione alle RNN
   Cella RNN di base
   Previsioni temporali
   LSTM (Long Short-Term Memory) e GRU (Gated Recurrent Unit)
   Word Embeddings
   Modelli Seq2Seq
   Implementare RNN in TensorFlow

Corso-Deep-Learning-con-TensorFlow erogato per le aziende, modalità online virtual classroom oppure per i privati anche in tipologia individuale.