In questo capitolo conoscerai i concetti e la terminologia fondamentali del deep learning e capirai perché oggi queste tecniche sono così potenti. Costruirai semplici reti neurali e userai i loro modelli per generare previsioni.

Introduzione al deep learning

Confrontare modelli di reti neurali con modelli di regressione classici

Propagazione in avanti

Programmando l'algoritmo di forward propagation

Funzioni di attivazione

La funzione di attivazione lineare rettificata

Applicare la rete a molte osservazioni/righe di dati

Reti più profonde

Propagazione in avanti in una rete più profonda

Reti neurali multistrato

Le rappresentazioni vengono apprese

Livelli di rappresentazione

Nozioni di base su deep learning e reti neurali

Impara a ottimizzare le previsioni generate dalle tue reti neurali. Userai un metodo chiamato retropropagazione, una delle tecniche più importanti nel deep learning. Capire come funziona ti darà una base solida su cui costruire nella seconda parte del corso.

La necessità di ottimizzazione

Calcolare gli errori del modello

Capire come i pesi influenzano l'accuratezza del modello

Programmare come le variazioni dei pesi influiscono sull'accuratezza

Scalare a più punti dati

Discesa del gradiente

Calcolare le pendenze

Migliorare i pesi del modello

Eseguire più aggiornamenti dei pesi

Backpropagation

Il rapporto tra forward e backward propagation

Ragionare sulla backward propagation

Backpropagation nella pratica

Un giro di backpropagation

Ottimizzare una rete neurale con la retropropagazione

In questo capitolo userai la libreria Keras per costruire modelli di deep learning sia per regressione sia per classificazione. Imparerai il flusso di lavoro Specify-Compile-Fit per fare previsioni e, alla fine del capitolo, avrai tutti gli strumenti necessari per creare reti neurali profonde.

Creare un modello Keras

Capire i tuoi dati

Definire un modello

Compilare e addestrare un modello

Compilare il modello

Addestrare il modello

Modelli di classificazione

Comprendere i tuoi dati di classificazione

Ultimi passaggi nei modelli di classificazione

Utilizzare i modelli

Fare previsioni

Creare modelli di deep learning con Keras

Impara a ottimizzare i tuoi modelli di deep learning in Keras. Inizia imparando a convalidare i modelli, poi approfondisci il concetto di capacità del modello e, infine, sperimenta reti più ampie e più profonde. 

Capire l'ottimizzazione dei modelli

Diagnosticare i problemi di ottimizzazione

Modificare i parametri di ottimizzazione

Validazione del modello

Valutare l'accuratezza del modello sul dataset di validazione

Early stopping: ottimizzare l'ottimizzazione

Sperimentare con reti più larghe

Aggiungere livelli a una rete

Ragionare sulla capacità del modello

Sperimentare con le strutture del modello

Passare alle immagini

Crea il tuo modello per riconoscere le cifre

Considerazioni finali

Ottimizzazione fine dei modelli Keras

Titanic

Hourly wages

MNIST

Il deep learning è la tecnica di Machine Learning alla base delle capacità più entusiasmanti in campi come robotica, elaborazione del linguaggio naturale, riconoscimento di immagini e intelligenza artificiale, incluso il famoso AlphaGo. In questo corso acquisirai competenze pratiche su come usare il deep learning con Keras 2.0, l’ultima versione di una libreria all’avanguardia per il deep learning in Python.

<h2>Scopri le applicazioni del Deep Learning </h2>
Deep learning è la tecnica di Machine Learning alla base delle capacità più entusiasmanti nella robotica, nell'elaborazione del linguaggio naturale, nel riconoscimento delle immagini e nell'intelligenza artificiale. In questo corso di 4 ore, acquisirai conoscenze pratiche e concrete su come applicare le tue competenze in Python al deep learning con la libreria Keras 2.0.
<br><br>
<h2>Esplora i modelli Keras con un contributore della libreria</h2>
Insegnato dall’ex Data Scientist di Google e contributore di Keras, Dan Becker, questo corso di deep learning esplora i modelli di reti neurali e come puoi generare previsioni con essi. I primi capitoli faranno crescere la tua comprensione sia della propagazione in avanti sia della propagazione all’indietro e di come funzionano in Pratica.
<br><br>
La libreria Keras è una libreria Python che può aiutarti a sviluppare e valutare modelli di deep learning. Come molte librerie Python, è gratuita, open source e molto facile da usare. Inizierai creando un modello Keras e imparerai a compilarlo, addestrarlo e classificarlo prima di effettuare previsioni. Una volta completato questo corso, avrai tutti gli strumenti necessari per costruire reti neurali profonde e iniziare a sperimentare nel tempo con reti più ampie e più profonde.
<br><br>
<h2>Approfondisci il Deep Learning</h2>
Questo corso fa parte di diversi percorsi di Machine Learning e deep learning, offrendoti percorsi chiari per sviluppare le tue competenze e la tua esperienza in quest’area una volta completato il corso introduttivo, sia che tu voglia portare a termine un progetto personale sia che tu voglia avviarti verso una carriera come Machine Learning Scientist.

Supervised Learning with scikit-learn

Iscriviti al nostro corso di Deep Learning con Python. Scopri l'uso del deep learning per NLP e AI.

Introduzione al Deep Learning in Python

Impara le basi delle reti neurali e come creare modelli di deep learning usando Keras 2.0 in Python. 

Propagazione in avanti

Create Your Free Account