Questo corso sul Deep Learning e reti neurali mira ad essere una guida e un punto di partenza per chi si avvicini allo studio delle reti neurali con i linguaggi R e / o Python. Le reti neurali sono l’ultimae pi promettentefamiglia di modelli per il machine learning avanzato, in quanto permettono non solo di predire dati a partire da un dataset classico, ma anche e soprattutto di portare a termine dei compiti che sono molto al di l del machine learning classico, comericonoscere oggetti in immagini, creare musica a partire da un gruppo di file audio, di generare un frame inedito di un videogioco e di creare un chatbot che risponda ai clienti al posto nostro. In questo corso, che presuppone una conoscenza di base di R, di Python o di entrambi, cominceremo a scoprire come funziona e come possiamo utilizzare una rete neurali, tramite due dei framework pi interessanti e utilizzati nel deep learning: TensorFlow in backend e soprattutto Keras. Capiremo quindi come nata l’intuizionedel neurone artificiale e come queste retisi differenzinodal cervello umano. Passeremo poi ad analizzare la struttura di una rete neurale, e come essa apprende tramite il metodo della backpropagation. Impareremo in particolare ad utilizzare le reti neurali per il machine learning su un dataset di tipo classico, sia nelle reti feedforward sia avvicinandoci al concetto di retropropagazione. Applicheremo le reti neurali a problemi relativi alla classificazione di dati e alla regressione. Passeremo poia capire come il computer ‘vede’ delle immagini, e come possiamo impostare una rete perch preveda il contenuto di un’immagine tramite le reti convoluzionali. Impareremo ad applicare le nostre reti a dati di tipo sequenziale, come testi e dati sequenziali, per poi passare alle reti non supervisionate che ci permettono con successo di clusterizzare i nostri dati separandoli in gruppi omogenei. Oltre a nuove lezioni nelle sezioni gi presenti, sono previsti futuri aggiornamenti nei seguenti ambiti:- pytorch- chatbot- servizi di cloud e di gpu
