Senza una comprensione profonda si rimane in superficie. Tuttavia in superficie prima o poi si affonda. Per tale motivo, in questo corso capiremo e costruiremo da zero una convoluzione, un layer convoluzionale e infine un intero modello e il suo addestramento. Inizieremo con un approccio minimalista, usando solo librerie standard di Python come NumPy, attraverso cui scriveremo backpropagation e discesa del gradiente in maniera chiara e cristallina. Solo successivamente impareremo e faremo uso di PyTorch, una delle librerie più utilizzate per il Deep Learning. Dopo una breve introduzione alla Teoria dell’Informazione Classica, costruiremo dunque una rete più sofisticata per la classificazione di immagini. Un problema semplice di cui però comprenderemo ogni singolo dettaglio. Addestreremo poi questa rete neurale, imparando a controllare l’overfitting con diverse tecniche, ognuna delle quali sarà analizzata lasciando fuori ogni dubbio. Passeremo poi ad ottimizzare gli iperparametri e a cross-validare il nostro modello come un progetto completo richiede di fare. Il corso è rivolto a chi vuole capire in dettaglio i meccanismi che stanno alla base dei moderni algoritmi di deep learning per la Computer Vision, per chi vuole imparare a costruirsi la propria rete o modificarne una già esistente. Il corso è un primo passo verso corsi più avanzati e reti neurali più sofisticate che sono utilizzate per la risoluzione di problemi concreti.
Tutti i notebook sono scritti in Inglese (ma le registrazioni sono in Italiano) e sono da seguire in ordine cronologico.
-
Notebook 1: La convoluzione ed il layer convoluzionale. Tutto da zero con NumPy.
-
Notebook 2: L’addestramento di un modello convoluzionale e la backpropagation. Tutto da zero con NumPy.
-
Notebook 3: Addestramento completo di un modello avanzato con PyTorch. Teoria, Overfitting e Cross-Validation.
Goggle Colaboratory, o Colab, è un servizio cloud basato su Jupyter Notebooks. Consente di scrivere ed eseguire codici in Python direttamente dal browser senza doversi preoccupare della configurazione. Inoltre permette di utilizzare gratuitamente, anche se in maniera limitata, diversi hardware tra cui GPU e TPU. Colab è inoltre lo strumento più indicato per poter condividere i propri codici.
Per aprire un notebook queste sono le istruzioni:
- Eseguite il login nel vostro google account;
- aprite il notebook desiderato nella lista poco sopra (è possibile non si apra subito e compaia la scritta "Sorry, something went wrong. Reload?". Provate ad oltranza, ogni tanto capita. Altrimenti usate NBviewer);
- Cliccate sul logo di Google Colaboratory;
- Una volta che il notebook è aperto andate su
File -> Save a copy in Drive. Una copia del notebook sarà salvata sul vostro Google Drive personale.
Prima una laurea in Fisica Teorica delle Particelle, poi un Ph.D. in Fisica Statistica (SISSA, Trieste) con una tesi sull'Entanglement, fenomeno importante anche in Quantum Computing. Da quattro anni mi trovo nell'avvincente mondo dell'intelligenza artificiale. Con un approccio sia tecnico che di ricerca mi occupo principalmente di Deep Learning. Ho iniziato questa avventura nell'ambito della Computer Vision (CV) tramite un progetto del CNR e un master in High-Performance Computing (MHPC, SISSA/ICTP). Poi da un paio di anni sono passato a lavorare sul linguaggio (NLP) oltre a dedicarmi a progetti con forte impatto sociale e ambientale (AI for Good). TEDx speaker, mi diverto anche nella divulgazione e soprattutto nell’insegnamento, a tutti i livelli. Pilota nel weekend, sono appassionato di volo, viaggi e fotografia.
Contacts: 
e-mail: [email protected]