INTRODUCTION

• Interactive notebooks
• Google Colab

AI AND NEURAL NETWORKS

• Introduction to AI
• Neural Networks
• Deep Neural Networks

DNN TOPOLOGY

• Main topologies
• Fully Connected DNN
• Convolutional DNN
• Recurrent DNN
• Generative-Adversarial DNN

HANDS ON WITH EXAMPLES

• CNN and working with images
• RNN and working with sequences of data
• GAN and working with generated data

HYPERPARAMETERS TUNNING

• Hyperparameters
• Tunning hyperparameters
• Train 
• Test
• Validation

Il corso AI e Google Colab è destinato a coloro che abbiano già conoscenza di concetti fondamentali della programmazione, meglio se in Python, come i tipi di dati, le strutture condizionali, i cicli, le funzioni e le classi. In genere si tratta di studenti delle scuole superiori, di studenti delle scuole post-secondarie, di laureati, programmatori o di persone che in generale vogliano acquisire conoscenze e competenze nel campo dell’intelligenza artificiale e del deep learning, specialmente in ambito di programmazione in Python.
Per eventuali informazioni sul corso Python, visitare la seguente pagina: PYTHON: Become a Pythoneer 

Prima di frequentare il corso AI e Google Colab gli studenti dovrebbero avere:

• capacità di usare il computer per avviare programmi, aprire e salvare file, navigare nei menu e nelle interfacce delle applicazioni;
• capacità di comprendere concetti logici come i confronti;
• abilità di creare, comprendere e seguire indicazioni strutturate o procedure passo dopo passo;
• capacità di comprendere e applicare concetti astratti a esempi concreti;
• conoscenze dei fondamentali della programmazione (tipi di dati, strutture condizionali, cicli, funzioni, librerie, strutture e classi);
• conoscenza basilare del linguaggio Python.

Al termine del corso i partecipanti saranno in grado di spiegare:

• le basi dell’intelligenza artificiale e del deep learning;
• quali sono le principali tipologie di reti neurali profonde e dove vengono maggiormente utilizzate;
• cosa è una rete neurale convoluzionale (CNN) e come è strutturata;
• come progettare una CNN, come addestrarla e come testarla;
• cosa è una rete neurale ricorrente (RNN) e come è strutturata;
• come progettare una RNN, come addestrarla e come testarla;
• cosa è una rete neurale generativa (GN) e come è strutturata;
• come progettare una GN, come addestrarla e come testarla;
• quali sono i principali iperparametri di una rete neurale profonda e come configurarli per calibrare al meglio la rete;
• cosa è e come utilizzar la piattaforma Google Colab per progettare, addestrare e testare reti neurali profonde;
• come progettare una rete neurale profonda partendo da esigenze e richieste concrete;
• come progettare una rete neurale profonda in Python.

Lingua utilizzata nel corso dal docente: italiano.

Il materiale didattico e l’esame sono in lingua inglese.

Il corso AI e Google Colab include:

• una guida per configurare l’ambiente di Laboratorio;
• file sorgenti per replicare tutti i concetti e gli esempi pratici visti a lezione;
• un attestato di frequenza inviato via e-mail una settimana dopo il termine del corso.