LearnFlat · AI, Tecnologia e Ingegneria · AI e Machine Learning

Deep Learning

Immergiti nel mondo delle reti neurali artificiali. Impara a costruire, addestrare e ottimizzare modelli di deep learning per compiti complessi utilizzando framework come TensorFlow e PyTorch.

Deep Learning

Rimodellare gli Input CNN: Lavorare con il Formato NHWC in TensorFlow

Regolarizzazione delle Reti Neurali Ricorrenti con Dropout in TensorFlow

Rotazione delle Immagini per Dati di Addestramento di Reti Neurali in Python

Architettura SqueezeNet: Espandere la Profondità delle CNN con i Moduli Fire

Lavorare con i metadati dei tensori in PyTorch

Demistificare la Retropropagazione: Come Imparano le Reti Neurali

Costruire e Addestrare una Rete Neurale a Tre Strati

Costruire la Funzione di Query della Rete Neurale in Python

Addestramento Robusto di Reti Neurali tramite Ottimizzazione Pessimistica

Test e Ottimizzazione delle Reti Neurali per un'Elevata Accuratezza

Convalida del modello e prevenzione dell'overfitting in Keras

Introduzione alle Reti Neurali Artificiali e Applicazioni Pratiche

Fondamenti di reti neurali profonde e apprendimento della rappresentazione

Costruire Modelli di Regressione Lineare con PyTorch e Autograd

Ottimizzazione della precisione del deep learning attraverso la capacità del modello

Fondamenti della Backpropagation per l'Addestramento delle Reti Neurali

Meccanica della Retropropagazione: Calcolo delle Pendenze di Errore delle Reti Neurali

Progettare efficienti cicli di formazione PyTorch

Configurazione di PyTorch per Jupyter Notebooks e TensorBoard

Esecuzione di Modelli TensorFlow per Classificazione e Regressione Industriale

Salvataggio e Caricamento di Modelli PyTorch: Best Practice per la Serializzazione

Fondamenti di PyTorch e Regressione Lineare

Le Basi della Backpropagation: Come Imparano le Reti Neurali

Salvataggio e Caricamento di Tensor in PyTorch