Corso · 7 capitoli
Deep Learning
Un corso di deep learning basato su framework decisionali per ingegneri. Scegli tra PyTorch e TensorFlow, valuta il deep learning rispetto al ML classico, pondera il transfer learning e ragiona sulle CNN. 7 capitoli.
Cosa saprai fare
- Scegliere tra PyTorch e TensorFlow
- Capire quando il deep learning supera il ML classico
- Decidere tra training da zero e transfer learning
- Scegliere il task di computer vision giusto
- Ottimizzare gli iperparametri di training
- Capire come le CNN interpretano le immagini
Cosa contiene
- 1Framework DL: PyTorch e TensorFlow
Una guida alla scelta tra i due framework dominanti per il deep learning — le loro filosofie, i loro ecosistemi e i fattori pratici che dovrebbero orientare la tua decisione.
- 2Addestramento da zero vs transfer learning
La prima decisione strategica dopo aver scelto il deep learning: addestrare una rete da zero o partire dalle spalle di giganti pre-addestrati.
- 3DL vs ML: quando la profondità vince
Un framework decisionale per scegliere tra Deep Learning e Machine Learning classico — in base a dati, compute, tempistiche ed esigenze di interpretabilità.
- 4Deep Learning: inizia qui
Orientamento di 12 minuti allo percorso Deep Learning — perché esiste, cosa costruirai, come si collegano i sei chapter e da dove partire.
- 5Tipi di task per la visione artificiale
Classificazione di immagini, object detection e segmentazione — scegli il task di computer vision giusto prima di scegliere l'architettura.
- 6Tecniche di addestramento per il Deep Learning
Il toolkit completo per addestrare reti neurali — batch size, learning rate, funzioni di perdita, attivazioni, ottimizzatori, regolarizzazione e early stopping.
- 7CNN (Convolutional Neural Network)
Progetta, addestra e interpreta l'architettura che alimenta la computer vision moderna — dalla prima convoluzione al deploy in produzione.
Domande frequenti
- Cosa imparerò in questo corso di deep learning?
- Imparerai a prendere le decisioni chiave nei progetti di deep learning: scegliere tra PyTorch e TensorFlow, valutare quando il deep learning supera il ML classico, confrontare il transfer learning con il training da zero, selezionare il task di computer vision più adatto, ragionare sulle scelte di training come learning rate e regolarizzazione, e capire come sono strutturate le CNN per la vision.
- È un corso pratico di coding o più concettuale?
- È un corso basato su framework decisionali. I capitoli si concentrano sui trade-off e sul ragionamento dietro la scelta del framework, la strategia del modello, i task di vision e il training, senza seguire laboratori di coding passo dopo passo. Il corso presuppone che tu sappia già scrivere codice in autonomia.
- A chi è destinato questo percorso di deep learning?
- È pensato per ingegneri e professionisti del ML che vogliono un modello mentale chiaro per le decisioni di deep learning. Fa parte del percorso AI for Engineers e presuppone che tu sia a tuo agio con il codice e abbia familiarità con le basi del machine learning.
- Quanto dura il corso ed è previsto un certificato?
- Il percorso dura circa 2.3 ore suddivise in 7 capitoli, a partire da un breve capitolo introduttivo Start Here. Al completamento del percorso riceverai un certificato di completamento che potrai condividere.
- Il corso è gratuito?
- No, è un percorso a pagamento disponibile con un abbonamento all'AI Academy by Anthropos.
Ottieni un certificato
Completa tutti i capitoli per ricevere il tuo certificato di completamento.