Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA CompTIA Security+ Amazon AWS AWS Certified Developer - Associate
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Mindfulness Personal Development Personal Transformation Meditation Life Purpose Emotional Intelligence Neuroscience
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Google Analytics
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Modeling Data Analysis Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee
Development Data Science Deep Learning

Guida completa al Deep Learning e alle reti neurali

Il corso completo per imparare le reti neurali e il deep learning con i linguaggi di programmazione R e Python
Rating: 4.2 out of 54.2 (190 ratings)
1,225 students
Created by Valentina Porcu
Last updated 9/2018
Italian
30-Day Money-Back Guarantee

What you'll learn

  • Imparare a impostare un modello di rete neurale con R e Python
  • Imparare a utilizzare Keras per R e per Python
  • Scoprire come funziona e come utilizzare una rete neurale tramite TensorFlow e Keras
  • Analizzare la struttura di una rete neurale e come essa apprende tramite il metodo della backpropagation
  • Utilizzare le reti neurali per il machine learning su un dataset di tipo classico
  • Capire come il computer 'vede' delle immagini e come impostare una rete perché preveda il contenuto di un'immagine tramite le reti convoluzionali

Course content

11 sections • 73 lectures • 10h 31m total length

  • Preview03:40
  • Codice del corso
    00:01

  • Preview06:57
  • Storia e caratteristiche delle reti neurali
    06:32
  • Il cervello umano
    04:20
  • Il neurone artificiale
    01:44
  • Le differenze tra i due sistemi
    02:59

  • Tipi di reti neurali
    04:08
  • Struttura di una rete neurale artificiale
    02:19
  • Perceptrone
    06:19
  • Un esempio base con R
    04:14
  • Un esempio base con Python
    06:34
  • Addestramento della rete
    05:00
  • Deep Neural Networks o reti neurali profonde
    01:52
  • I framework per il deep learning
    03:51
  • Reti feedforward
    02:08
  • Esempio di rete feedforward con nnet - R
    12:25
  • Esempio di rete neurale con neuralnet - R
    14:19
  • Esempio di previsione con output numerico - R
    12:10

  • L'algoritmo di backpropagation
    02:38
  • Il metodo del gradiente
    02:50
  • Funzioni di attivazione
    02:21
  • Parametri per le reti neurali
    02:50
  • Vantaggi e svantaggi delle reti neurali
    03:57
  • Esempio di backpropagation con Python
    06:45

  • Rappresentare dati non strutturati per il deep learning
    03:55
  • Dai vettori ai tensori in R
    06:05
  • Gli array in Python
    07:36
  • I dataset per testare le reti neurali
    00:48
  • CPU/GPU
    04:12
  • Verificare la presenza di una GPU sul nostro computer
    00:19
  • Keras per Python e per R
    00:17
  • Un primo esempio di modello con keras e iris su R
    26:24
  • Esempio di classificazione binaria sul dataset Pima con R
    15:59
  • Esempio di regressione con R
    09:40
  • Esempio di regressione sul dataset Boston con R
    11:50
  • Esempio di regressione con Python
    12:05
  • Esempio di regressione sul dataset Boston con Python
    10:41
  • Esempi di classificazione con Python
    32:11
  • Tensorflow playground
    07:05

  • Computer Vision
    06:13
  • Il deep learning nella computer vision
    05:50
  • Convolutional Neural Networks
    16:25
  • Stride e pooling
    04:31
  • Capiamo come viene letta un'immagine dal computer - con R
    18:11
  • Esempio di CNN con R e il dataset MNIST
    21:33
  • Esempio di CNN con Python e il dataset MNIST - prima parte
    26:59
  • Esempio di CNN con Python e il dataset MNIST - seconda parte
    16:45
  • Esempio di CNN con R e il dataset CIFAR
    13:48
  • Esempio di CNN con Python e il dataset CIFAR
    14:06
  • Evoluzione delle reti neurali
    02:16
  • Altri metodi ed esempi per le immagini con reti CCN
    01:51
  • Creare una rete neurale a partire dai nostri dati con R
    21:33
  • Aumentare i dati per perfezionare i modelli con R
    14:23
  • Come usare dei modelli pretrained in R
    08:48

  • Recurrent neural networks - RNN
    06:30
  • Vanishing gradient
    01:16
  • LSTM e GRU
    02:45
  • Introduzione al Natural Language Processing
    06:30
  • Il concetto di embedding e il Word2Vec
    07:48
  • Come impostare una rete ricorrente
    08:00
  • Implementare le reti ricorrenti sui testi con R
    24:23
  • Implementare le reti ricorrenti sui testi con R -- seconda parte
    23:24
  • Implementare le reti ricorrenti sui testi con Python
    21:45
  • Implementare le reti ricorrenti sui testi con Python -- seconda parte
    32:21
  • Introduzione alla Sentiment Analysis
    03:22

  • Le reti neurali non supervisionate
    00:51
  • Mappe di Kohonen
    03:03
  • Esempio di mappe di Kohonen con R
    14:39
  • Macchine di Boltzmann
    01:00

  • Autoencoders
    05:08

  • Generative Adversarial Networks o GANs
    02:47

Requirements

  • Conoscenze base di R e Python
  • Conoscenze base del machine learning
  • Interesse ad acquisire delle conoscenze specifiche nel deep learning

Description

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'ultima e più promettente famiglia 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 là del machine learning classico, come riconoscere 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 più interessanti e utilizzati nel deep learning: TensorFlow in backend e soprattutto Keras. 

Capiremo quindi come è nata l'intuizione del neurone artificiale e come queste reti si differenzino dal 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 poi a capire come il computer 'vede' delle immagini, e come possiamo impostare una rete perché 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 già presenti, sono previsti futuri aggiornamenti nei seguenti ambiti:

- pytorch

- chatbot

- servizi di cloud e di gpu 



Who this course is for:

  • Per chi voglia imparare a conoscere il deep learning
  • Per chi voglia imparare ad applicare le reti neurali per la risoluzione di problemi

Instructor

Valentina Porcu
Data Scientist
Valentina Porcu
  • 4.2 Instructor Rating
  • 2,713 Reviews
  • 13,349 Students
  • 9 Courses

I'm a computer geek, data mining and research passionate, with a Ph.D in communication and complex systems and years of experience in teaching in Universities in Italy, France and Morocco, and online, of course!

I work as consultant in the field of data mining and machine learning and I like writing about new technologies and data mining. 

I spent the last 12 years working as freelance and researcher in the field of social media analysis, benchmark analysis and  web scraping for database building, in particular in the field of buzz analysis and sentiment analysis for universities, startups and web agencies across UK, France, US and Italy. 

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.