Deep Learning con TensorFlow e Keras

Introduzione al Deep Learning

• Panoramica del Deep Learning
  • Definizione e concetti chiave
  • Apprendimento supervisionato e non supervisionato
  • Apprendimento automatico e backpropagation
  • Applicazioni del deep learning

Introduzione a Keras e TensorFlow

• Introduzione a TensorFlow
  • Concetti principali
  • Tensori e operazioni
  • API principali di TensorFlow
• Introduzione a Keras
  • Vantaggi dell’utilizzo di Keras come high-level API
  • Modelli sequenziali e funzionali
  • Principali ottimizzatori, funzioni di loss e metriche
  • Reti neurali dense (MLP) in Keras

Reti Neurali Convoluzionali (CNN) in Keras

• Introduzione alle CNN
  • Strati convoluzionali
  • Strati di pooling
  • Strati completamente connessi
• Costruzione di una CNN in Keras
  • Esempio di CNN per la classificazione di immagini
  • Apprendimento per trasferimento e fine-tuning con le CNN

Reti Neurali Ricorrenti (RNN) con Keras

• Introduzione alle RNN
  • Analisi di serie temporali e dati testuali
  • Architettura delle RNN e backpropagation through time
  • Reti Long Short-Term Memory (LSTM)
• Costruzione di una RNN in Keras
  • Esempio di LSTM per la classificazione di testi
  • Meccanismo di attenzione nelle reti ricorrenti

Architetture neurali avanzate in Keras

• Generative Adversarial Networks (GAN) in Keras
  • Introduzione alle GAN
  • Costruzione di una GAN con Keras
• Auto-encoders in Keras
  • Introduzione agli autoencoders
  • Costruzione di un autoencoder con Keras
  • Autoencoder variazionali in Keras

Ottimizzazione e compressione dei modelli con TensorFlow Lite

• Quantizzazione
  • Post-training quantization
  • Quantization-aware training
  • Esempi in TensorFlow Lite
• Pruning
  • Pruning strutturato e non struttrato
  • Esempi in TensorFlow Lite