Premesse

Come fa un computer a riconoscere un viso o a stabilire chi o cosa ha davanti?

Grazie ad una delle metodologie più interessanti e ricche di sviluppi dell’Intelligenza Artificiale: il Deep Learning.

Il Deep Learning è una branca del data science (e Big Data) che raggruppa dei metodi di machine learning con riferimento ad algoritmi ispirati alla struttura del cervello umano chiamati “reti neurali artificiali”.
Le architetture di Deep Learning oggi le ritroviamo nelle applicazioni di riconoscimento automatico della voce, applicazioni di elaborazione del linguaggio naturale, applicazioni di riconoscimento di immagini e nelle applicazioni di bioinformatica.

Obiettivi del corso

In questo corso esploreremo il funzionamento del Deep Learning e impareremo insieme a creare ed implementare i nostri modelli di Reti Neurali Artificiali, nell’ambito della visione artificiale.

Prerequisiti e strumenti richiesti

Conoscenze basi di programmazione (preferibilmente di Python).

Piano di lavoro

• Introduzione
• Strumenti utilizzati nel corso (Python, Tensorflow, Keras, Opencv…)
• Deep Learning (definizione, caratteristiche, confronto con il ML)
• Problemi di Learning
• Tipi di Learning
• Problemi nel dominio della visione artificiale
• Immagine (cos’è, come viene rappresentata…)
• I componenti nella classificazione delle immagini
• Datasets: uno sguardo a vari datasets disponibili
• Configurazione dell’ambiente di sviluppo (installazione delle librerie necessarie, installazione di Tensorflow versione CPU e GPU )
• Costruzione del primo classificatore di immagini
• Metodi di ottimizzazione e regolarizzazione
• Reti neurali + esempi pratici su diversi datasets
• CNN ( il cuore del corso)
• Salvataggio e caricamento del modello di rete
• Tassi di apprendimento programmati
• Underfitting e overfitting
• Panoramica sulle CNN già presenti allo stato dell’arte
• Applicazione end-to end per il rilevamento del sorriso (dal training della rete alla rivelazione del sorriso in tempo reale)
• Object Tracking ( panoramica sugli algoritmi di tracciamento degli oggetti )