Formazione MATLAB e Simulink

Deep Learning Onramp


 

Accesso a MATLAB dal proprio browser web

 

Tutorial video coinvolgenti sul deep learning

 

Esercizi pratici con valutazione e feedback automatici

 

Lezioni disponibili in italiano e giapponese


Seleziona una lezione per iniziare


1.

Introduzion

Familiarizza con i concetti base e il corso sul deep learning.

  • Deep learning per il riconoscimento di immagini
  • Panoramica del corso

2.

Utilizzo di reti pre-addestrate

Eseguire classificazioni di immagini utilizzando una rete precedentemente creata e addestrata.

  • Esempio del corso - Identificare oggetti in alcune immagini
  • Realizzare previsioni
  • Architettura delle CNN
  • Studio delle previsioni
  • Datastore di immagini

3.

Gestione delle raccolte di dati

Importa cartelle di immagini e le rende utilizzabili con una determinata rete.

  • Datastore di immagini
  • Preparazione delle immagini da utilizzare come input
  • Elaborazione di immagini in un archivio dati
  • Creare un datastore mediante le sottocartelle

4.

Esecuzione del transfer learning

Utilizza nuovi dati per modificare una rete pre-addestrata e classificare le immagini in nuove classi.

  • Cos’è il transfer learning
  • Componenti necessari per il transfer learning
  • Preparazione dei dati da addestrare
  • Modificare i layer di una rete
  • Impostare le opzioni di addestramento
  • Addestrare la rete
  • Valutazione delle prestazioni
  • Riepilogo del transfer learning

Corsi correlati

Deep Learning con MATLAB

Impara le nozioni teoriche e pratiche della costruzione di reti neurali profonde utilizzando dati immagine e di sequenza reali.

Machine learning con MATLAB

Esplora i dati e costruisci modelli predittivi.

Fondamenti di MATLAB

Scopri le funzionalità base di MATLAB per l’analisi dei dati, la modellazione e la programmazione