Course Overview
Curriculum
- 12 Sections
- 80 Lessons
- 10 Weeks
Expand all sectionsCollapse all sections
- INTRODUZIONE AL CORSO2
- RETI BIOLOGICHE E ARTIFICIALI5
- RETI FEEDFARWORD12
- 3.18. Tipi di reti neurali
- 3.29. Struttura di una rete neurale artificiale
- 3.310. Perceptrone
- 3.411. Un esempio base con R
- 3.512. Un esempio base con Python
- 3.613. Addestramento della rete
- 3.714. Deep Neural Networks o reti neurali profonde
- 3.815. I framework per il deep learning
- 3.916. Reti feedforward
- 3.1017. Esempio di rete feedforward con nnet – R
- 3.1118. Esempio di rete neurale con neuralnet – R
- 3.1219. Esempio di previsione con output numerico – R
- ALTRE NOZIONI DI BASE6
- PRIMI PASSI NEL DEEP LEARNING CON KERAS15
- 5.127. Dai vettori ai tensori in R
- 5.226. Rappresentare dati non strutturati per il deep learning
- 5.328. Gli array in Python
- 5.429. I dataset per testare le reti neurali
- 5.530. CPU/GPU
- 5.631. Verificare la presenza di una GPU sul nostro computer
- 5.732. Keras per Python e per R
- 5.833. Un primo esempio di modello con keras e iris su R
- 5.934. Esempio di classificazione binaria sul dataset Pima con R
- 5.1035. Esempio di regressione con R
- 5.1136. Esempio di regressione sul dataset Boston con R
- 5.1237. Esempio di regressione con Python
- 5.1338. Esempio di regressione sul dataset Boston con Python
- 5.1439. Esempi di classificazione con Python
- 5.1540. Tensorflow playground
- COMPUTER VISION E CNN15
- 6.141. Computer Vision
- 6.242. Il deep learning nella computer vision
- 6.343. Convolutional Neural Networks
- 6.444. Stride e pooling
- 6.545. Capiamo come viene letta un’immagine dal computer – con R
- 6.646. Esempio di CNN con R e il dataset MNIST
- 6.747. Esempio di CNN con Python e il dataset MNIST – prima parte
- 6.848. Esempio di CNN con Python e il dataset MNIST – seconda parte
- 6.949. Esempio di CNN con R e il dataset CIFAR
- 6.1050. Esempio di CNN con Python e il dataset CIFAR
- 6.1151. Evoluzione delle reti neurali
- 6.1252. Altri metodi ed esempi per le immagini con reti CCN
- 6.1353. Creare una rete neurale a partire dai nostri dati con R
- 6.1454. Aumentare i dati per perfezionare i modelli con R
- 6.1555. Come usare dei modelli pretrained in R
- RECURRENT NEURAL NETWORKS - RNN11
- 7.156. Recurrent neural networks – RNN
- 7.257. Vanishing gradient
- 7.358. LSTM e GRU
- 7.459. Introduzione al Natural Language Processing
- 7.560. Il concetto di embedding e il Word2Vec
- 7.661. Come impostare una rete ricorrente
- 7.762. Implementare le reti ricorrenti sui testi con R
- 7.863. Implementare le reti ricorrenti sui testi con R — seconda parte
- 7.964. Implementare le reti ricorrenti sui testi con Python
- 7.1065. Implementare le reti ricorrenti sui testi con Python — seconda parte
- 7.1166. Introduzione alla Sentiment Analysis
- LE RETI NEURALI NON SUPERVISIONATE4
- AUTOENCONDERS1
- GANS1
- AI NEL SETTORE SANITARIO8
- TEST1
