Il corso online è rivolto a:

• programmatori
• studenti laureati che conoscono la programmazione

È necessario per comprendere il corso:

• avere le basi del Machine Learning (es. apprendimento supervisionato, reti neurali, funzioni di costo ecc.)
• conoscere la costruzione di modelli di Machine Learning con Python
• conoscere i fondamenti di Teoria della Probabilità

L'obiettivo di questo corso è presentare le più recenti architetture e la loro applicazione su problemi concreti: riconoscimento facciale, segmentazione ed identificazione di oggetti.

• 1. CNN
• 1.1 Convolutional layer
• 1.2 Padding
• 1.3 Pooling layer
• 1.4 Strided Convolutions
• 2. Deep CNN models
• 2.1 ResNet
• 2.2 Inception
• 2.3 MobileNet
• 2.4 EfficientNet
• 2.5 Transfer Learning
• 3. Object Detection
• 3.1 Object Localization
• 3.2 Landmark Detection
• 3.3 Object Detection
• 3.4 YOLO
• 3.5 Semantic Segmentation
• 3.5 U-Net
• 4. Riconoscimento facciale
• 4.1 One shot Learning
• 4.2 Siamese Network
• 4.3 Verifica facciale