Machine Learning e Deep Learning
Panoramica sui principali algoritmi di apprendimento automatico, deep learning e le loro applicazioni alla scienza dei dati. Esplora come utilizzare modelli di classificazione lineare, reti neurali, reti ricorrenti, reti convolutive e reti non supervisionate, per ottimizzare i processi decisionali aziendali.
Obiettivi
-Fornire le competenze sui modelli basati su reti neurali per la classificazione di dati numerici, dati temporali, dati testuali e dati visuali e multimediali;
-Presentare i principali strumenti per lo sviluppo di algoritmi intelligenti;
-Fornire le basi del coding di modelli a reti neurali;
-Fornire le competenze per l'utilizzo dei principali software open source quali OpenCV di visione artificiale, SKlearn di PyTorch/TensorFlow su reti neurali e machine learning.
Programma
- Introduzione al machine learning;
- Modelli di classificazione lineare;
- Introduzione a Python e numpy;
- Introduzione alle reti neurali;
- Classificazione tramite Reti neurali;
- Le reti ricorrenti e l’analisi delle sequenze;
- Design di modelli ricorrenti;
- Le reti convolutive;
- Reti note allo stato dell’arte;
- Implementazione Pytorch di reti convolutive;
- Caricamento e riuso in Pytorch di modelli pretrainati e allenati solo per il problema specifico;
- Le reti non supervisionate;
- Design di modelli non supervisionati;
- Il reinforcement learning;
- Implementazione di un metodo di rinforzo basato su Q learning.
Il corso è realizzato in collaborazione con il centro di competenza ad alta specializzazione BI-REX Big Data Innovation & Research Excellence.
Relatore: Simone Calderara
Dottore di Ricerca in Information and Communication Technology nel 2009, Calderara è dal 2018 professore associato SSD ING-INF/05 presso il Dipartimento di Ingegneria "Enzo Ferrari" dell’Università degli Studi di Modena e Reggio Emilia.
A partire dal 2001 è membro strutturato del Centro di Ricerca Interdipartimentale Softech ICT (oggi AIRI) e del gruppo di ricerca AlmageLab. Dal 2019 è membro Senior dell’AI Academy UNIMORE che si occupa di attività di formazione continua nell’ambito Machine Learning e deep learning. Vanta più di 40 pubblicazioni scientifiche e dal 2016 è Associate Editor della rivista ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM).
Destinatari
Responsabili IT e digital, Data Analyst e Data Scientist, Software developer, Programmatori, Software Engineer di aziende manifatturiere.
Durata
40 ore
Quota di adesione:
2.550,00 € + IVA a persona per le aziende associate
2.800,00 € + IVA a persona per le aziende non associate
Date e Sedi di svolgimento
30/10/2023 14.00-18.00 - ONLINE
06/11/2023 14.00-18.00 - ONLINE
08/11/2023 14.00-18.00 - ONLINE
20/11/2023 14.00-18.00 - ONLINE
22/11/2023 14.00-18.00 - ONLINE
27/11/2023 14.00-18.00 - ONLINE
04/12/2023 14.00-18.00 - ONLINE
06/12/2023 09.00-13.00 - ONLINE
11/12/2023 14.00-18.00 - ONLINE
13/12/2023 09.00-13.00 - ONLINE