Immagine4 0107Il Deep Learning, un sottoinsieme del Machine Learning, funziona tramite le reti neurali, un processo ispirato a quello che avviene nel cervello degli esseri umani. I modelli di Deep Learning sono in grado di acquisire informazioni da numerose fonti e analizzare i dati autonomamente, senza la necessità di intervento umano, e di conseguenza possono eseguire classificazioni di dati complessi.
 
Il seminario si propone di presentare ai partecipanti gli strumenti principali comuni a tutti i framework di Deep Learning, incluso PyTorch, tramite lezioni teoriche, dimostrazioni ed esercitazioni.
PyTorch è uno dei framework per il Deep Learning più utilizzato, perché presenta dei moduli che facilitano l'adattamento e la definizione di architetture per il Deep Learning.
In particolare, i partecipanti impareranno a utilizzare le tecniche del Deep Learning nell'ambito delle applicazioni della Computer Vision e del Natural Language Processing, impareranno ad adattare architetture comuni a uno specifico dominio applicativo ea definire da zero delle nuove architetture.
 
Il seminario è suddiviso in quattro blocchi da quattro ore:
• introduzione sui fondamenti di PyTorch: utilizzo dei tensori e del meccanismo di differenziazione automatica del gradiente;
• utilizzo dei blocchi fondamentali per l'addestramento di una semplice rete neurale e introduzione, con focus pratico, dei principali algoritmi di addestramento;
• applicazione delle conoscenze apprese ai contesti della Computer Vision e del Natural Language Processing;
• dimostrazione di come applicare la conoscenza su PyTorch un nuovo framework, come Tensorflow.