Il programma, prima della promessa.
Master in AI Engineering raccoglie 235 sezioni, tra cui Computer Vision / Introduzione al corso e Computer Vision / [Teoria] Image Preprocessing. La proposta può interessare a chi cerca questi argomenti in un percorso organizzato. Per scegliere, confronta la sequenza delle lezioni con il tuo obiettivo e valuta il tempo disponibile insieme alle condizioni di accesso.
A chi si rivolge
- Chi sta valutando Master in AI Engineering e vuole confrontare gli argomenti del programma con le proprie esigenze.
- Chi cerca un percorso di Profession.AI e vuole verificare struttura e condizioni di accesso prima di scegliere.
Cosa puoi imparare
- Tra gli argomenti del percorso: «Intro al corso».
- Tra gli argomenti del percorso: «Intro alla Computer Vision».
- Tra gli argomenti del percorso: «Introduzione a feature extraction».
- Tra gli argomenti del percorso: «Filtri spaziali».
Come è strutturato il programma
Il programma è suddiviso in 235 sezioni. Tra i titoli presenti: Computer Vision / Introduzione al corso; Computer Vision / [Teoria] Image Preprocessing; Computer Vision / [Pratica] Image Preprocessing; Computer Vision / [Esercitazione] Image Preprocessing. Il catalogo elenca 989 contenuti, di cui 946 con video e 49 con materiale testuale associato. I due conteggi possono sovrapporsi: il materiale testuale può accompagnare una lezione video e non rappresenta necessariamente una risorsa aggiuntiva distinta.
Computer Vision / Introduzione al corso2 contenuti
- Intro al corso
- Intro alla Computer Vision
Computer Vision / [Teoria] Image Preprocessing2 contenuti
- Introduzione a feature extraction
- Filtri spaziali
Computer Vision / [Pratica] Image Preprocessing2 contenuti
- Filtri media e mediano
- Filtri edge detection
Computer Vision / [Esercitazione] Image Preprocessing2 contenuti
- Esercitazione
- Soluzione
Computer Vision / [Teoria] Neural Networks2 contenuti
- Introduzione alle NNs
- Training di una NN
Computer Vision / [Pratica] Neural Networks10 contenuti
- Dataset XOR
- XOR NN
- XOR train setup
- XOR train part 1
- XOR train part 2
- XOR training su GPU
- MNIST
- Dataloader
- Train MNIST
- Inference
Computer Vision / [Esercitazione] Neural Network2 contenuti
- Esercitazione
- Soluzione
Computer Vision / [Teoria] Convolutional Neural Networks3 contenuti
- Convolution 2D
- Parametri & Operazioni Convolution 2D
- LeNet
Computer Vision / [Pratica] Convolutional Neural Networks1 contenuto
- MNIST CNN
Computer Vision / [Esercitazione] Convolutional Neural Networks2 contenuti
- Esercitazione
- Soluzione
Computer Vision / [Teoria] Image Classification4 contenuti
- ImageNet & CV Challenges
- VGG
- Transfer Learning
- ResNet
Computer Vision / [Pratica] Image Classification5 contenuti
- Imagenette
- PyTorch Dataset
- Data augmentation
- VGG16 & Imagenette
- Transfer learning
Computer Vision / [Esercitazione] Image Classification2 contenuti
- Esercitazione
- Soluzione
Computer Vision / [teoria] Object Detection4 contenuti
- Introduzione
- R-CNNs
- Region Proposal Network
- YOLO
Computer Vision / [Pratica] Object Detection4 contenuti
- YOLO con ultralytics
- YOLO con ultralitics 2
- Train YOLO
- Train YOLO 2
Computer Vision / [Esercitazione] Object Detection2 contenuti
- Esercitazione
- Soluzione
Deep Learning applicato con PyTorch / Introduzione al corso2 contenuti
- Introduzione al corso e prerequisiti
- Materiale del corso
Deep Learning applicato con PyTorch / [Teoria] Introduzione a Pytorch3 contenuti
- Recap Machine Learning e Deep Learning
- Regressione vs classificazione
- Framework di Pytorch
Deep Learning applicato con PyTorch / [Pratica] Introduzione a Pytorch6 contenuti
- Creazione di tensori
- Tensori precompilati
- Datatypes
- Manipolare i tensori
- Rimodellare i Tensori
- Selezionare Dati
Deep Learning applicato con PyTorch / [Esercitazione] Introduzione a Pytorch2 contenuti
- Esercitazione
- Soluzione
Deep Learning applicato con PyTorch / [Teoria] Reti neurali Pytorch7 contenuti
- Classe Module
- Layer Lineari
- Activation Function
- Loss Function e Backpropagation
- Dataset e Dataloader
- Metriche di Classificazione
- Training loop e Testing loop
Deep Learning applicato con PyTorch / [Pratica] Reti neurali Pytorch9 contenuti
- Introduzione al dataset California Housing
- Preprocess dei dati
- Creazione di una Rete Neurale
- Prima inferenza sulla rete
- Loss function e Optimizer
- Training Loop
- Nuova inferenza e testing Loop
- Unione dei cicli
- Analisi dei Risultati
Deep Learning applicato con PyTorch / [Esercitazione] Reti neurali Pytorch2 contenuti
- Esercitazione
- Soluzione
Deep Learning applicato con PyTorch / [Teoria] Come migliorare una rete neurale4 contenuti
- Generalizzazione di un modello
- Cross validation
- Salvataggio modelli e checkpoint
- Regolarizzazione
Deep Learning applicato con PyTorch / [Pratica] Come migliorare una rete neurale7 contenuti
- Introduzione al dataset wine quality
- Creazione del validation set
- Training e analisi Baseline
- Training e analisi con Early Stopping
- Creazione wrapper per esperimenti
- Training e analisi con Dropout
- Analisi risultati e test
Deep Learning applicato con PyTorch / [Esercitazione] Come migliorare una rete neurale2 contenuti
- Esercitazione
- Soluzione
Deep Learning applicato con PyTorch / [Teoria] Computer vision3 contenuti
- Layer convoluzionali
- Max Pool e Activation
- Convolutional Neural Network
Deep Learning applicato con PyTorch / [Pratica] Computer vision5 contenuti
- Introduzione al dataset CIFAR-10
- Creazione CNN
- Valutazione della Baseline
- Training della CNN
- Valtazione della CNN
Deep Learning applicato con PyTorch / [esercitazione] Computer vision2 contenuti
- Esercitazione
- Soluzione
Deep Learning applicato con PyTorch / [Teoria]Data scarcity3 contenuti
- Data Augmentation
- Architetture popolari
- Transfer Learning
Il programma è mostrato in estratto, con un massimo di 30 sezioni e 20 contenuti per sezione. I conteggi nella scheda si riferiscono all’intero catalogo del corso.
Durata, livello e prerequisiti
La durata complessiva dei video è 220 ore e 42 minuti, calcolata sommando le durate disponibili per tutti i 946 video del programma. Il livello non è dichiarato e non può essere dedotto con certezza dal titolo. La lingua indicata è «italiano». Il tempo necessario per applicare gli argomenti dipende dalle conoscenze iniziali e dalle attività previste, che il catalogo non quantifica.
Prima di iniziare
- I prerequisiti non sono specificati in un campo dedicato del catalogo. Verifica con il fornitore le conoscenze iniziali e gli eventuali strumenti necessari.
Punti forti e aspetti da verificare
Cosa emerge dal programma
- Sono visibili 235 sezioni del programma: puoi confrontarne i temi prima di scegliere.
- Il percorso comprende 946 video, un formato che permette di organizzare lo studio in sessioni separate.
Limiti e informazioni mancanti
- Il livello non è dichiarato: i titoli delle lezioni da soli non dimostrano quanto il corso sia introduttivo o avanzato.
- I prerequisiti e gli strumenti necessari non sono specificati: chi parte da zero deve verificare la preparazione richiesta.
- Le condizioni di accesso non sono dettagliate: durata della disponibilità e servizi inclusi restano da chiarire.
Acquisto, noleggio o abbonamento?
Il prezzo riportato nel catalogo è 134,00 €; non è specificato a quale formula di accesso si riferisca. Per valutare la convenienza servono la formula disponibile, la durata dell'accesso, le eventuali condizioni di rinnovo e il costo totale. Un accesso lungo può essere utile per riprendere le lezioni; uno temporaneo richiede di pianificare lo studio nel periodo incluso. Il catalogo riporta inoltre 1870,00 € come prezzo originale. Non documenta data, provenienza, licenza o formula di quel riferimento: il confronto non prova uno sconto attuale o l'equivalenza delle condizioni.
Le domande da farsi
Che cosa include il programma di Master in AI Engineering?
Il catalogo elenca 235 sezioni, tra cui Computer Vision / Introduzione al corso; Computer Vision / [Teoria] Image Preprocessing; Computer Vision / [Pratica] Image Preprocessing; Computer Vision / [Esercitazione] Image Preprocessing. I titoli descrivono gli argomenti dichiarati; consulta il programma completo per il dettaglio delle lezioni.
Sono disponibili durata, livello e prerequisiti?
La durata complessiva dei video è 220 ore e 42 minuti, calcolata sommando le durate disponibili per tutti i 946 video del programma. Il livello non è dichiarato. I prerequisiti vanno verificati nella scheda del fornitore.
Conviene acquistare, noleggiare o abbonarsi?
Il catalogo riporta 134,00 € senza specificare la formula di accesso. Per stabilire la convenienza servono i prezzi e le condizioni delle formule effettivamente disponibili per questo corso.
Quali informazioni servono prima di iniziare?
Verifica le conoscenze iniziali richieste, gli strumenti da utilizzare e gli eventuali costi esterni. Chiarisci anche se l'accesso include supporto o feedback e per quanto tempo i materiali restano disponibili.