Corso di Computer Vision

Nell’era digitale odierna, i dati sono la chiave del successo. Le aziende che riescono a estrarre valore dai dati non strutturati, come immagini e video, ottengono un vantaggio competitivo inestimabile. La Computer Vision, alimentata dal Deep Learning, offre la soluzione ideale per trasformare questi dati in informazioni actionable, aprendo nuove frontiere per l’innovazione e la crescita.

Quali argomenti vedremo?

1. Definizione di dati Non Strutturati
2. Definizione di Computer Vision ed esempi di applicazioni pratiche
3. Panoramica dei campi applicativi della Computer Vision
4. Il ruolo del Machine Learning e del Deep Learning nella Computer Vision
5. Come vengono lette le immagini dai PCs?
6. Convolutional Neural Network:
   • 1D, 2D, 3
7. Manipolazione dei dati:
   • Data Pre-Processing
   • Data Augmentation
8. Casi d’uso ed esempi:
   • Classification
   • Object Localization
   • Landmark Detection
   • Object Detection (sliding window algorithm):
   • YOLO

Che materiale verrà fornito nel corso?

1. Slide
2. Use cases in Python

Corso di Machine Learning Avanzato:

Questo corso è un’immersione profonda nel mondo del Deep Learning, esplorando le sue tecniche e le loro applicazioni nel mondo reale. Rivolto a chi ha già familiarità con i concetti base del Machine Learning, il corso approfondisce le reti neurali, i modelli di Deep Learning e il loro utilizzo pratico in Python.

Quali argomenti vedremo?

1. Reti Neurali e Deep Learning
   • Introduzione ai modelli di Deep Learning
   • Artificial Intelligence vs Machine Learning vs Deep Learning
   • Topologia delle Reti Neurali
2. Keras
   • Framework per Python
   • Back-end engine
   • Librerie Python alternative
3. Perceptron
   • Definizione matematica
   • Processo di Training
   • Iperparametri
   • Metodi di regolarizzazione
4. Feed Forward Neural Networks
   • Reti Neurali Multi-Layer
   • Tecniche di data preparation
   • Activation functions
   • Loss functions
   • Algoritmo di Backpropagation
5. Autoencoders
   • Reti Neurali per l’Unsupervised Learning
   • Architettura
   • Iperparametri
6. Convolutional Neural Networks
   • Computer vision
   • MLNN vs CNN
   • Architettura
   • Training
   • Tipi di dati per le CNN
   • Esempi di modelli noti
7. Recurrent Neural Networks
   • Text mining
   • Architettura
   • RNN Cell
   • Training (algoritmo di Backpropagation Through Time)
   • Reti Long-Short Term Memory

Che materiale verrà fornito nel corso?

1. Slide
2. Use cases in Python

Corso Text Mining

In questo corso esploreremo il Text Mining, un campo affascinante che estrae conoscenza da dati non strutturati come testi, social media e recensioni online. Impareremo a trasformare questi dati grezzi in informazioni utili per una varietà di applicazioni, come l’analisi del sentiment, la classificazione del testo e l’estrazione di informazioni.

Quali argomenti vedremo?

1. Definizione di dati Non Strutturati
2. Panoramica delle aree della Text Mining
3. Pipeline di un tipico progetto di Text Mining:
   • Text pre-processing
   • Text vectorization:
   • Data preparation
   • Modelling
   • Evaluation
   • Deployment
4.  Tecniche di rappresentazione:
   • Word2Vec
   • Glove
5.  Applicazioni pratiche

Che materiale verrà fornito nel corso?

1. Slide
2. Use cases in Python

Corso di ML Base:

In questo corso introduttivo, scoprirai i concetti chiave del Machine Learning e le sue applicazioni nel mondo reale. Imparerai a costruire modelli di apprendimento automatico utilizzando Python, una delle librerie più popolari per il Machine Learning.

Quali argomenti vedremo?

1.  Introduzione al Machine Learning:
   • Definizioni e concetti chiave del Machine Learning
   • Esempi di applicazioni
   • AI vs Mach Learning vs Deep Learning
2. Costruzione di un dataset
3. Problemi di Supervised e Unsupervised learning
4. Matematica di base di un progetto Machine Learning:
   • Loss function
   • Discesa gradiente
   • Errore sul test set
   • Misure di performance
   • Trade off Bias-Varianza
5.  Problemi comuni da risolvere:
   • Overfitting
   • Regolarizzazione della funzione di costo
6.  Tuning iperparametri:
   • Cross Validation
7.  Pipeline di un tipico progetto di Machine Learning:
   • PreProcessing dei dati
8.  Modelli famosi del Machine Learning:
   • Alberi decisionali
   • Percettrone
   • Cenni di Reti Neurali

Materiale del corso:

1. Slide esplicative
2. Esempi pratici in Python per consolidare le tue conoscenze