- Azienda
- ESIS S.r.l.
- Data
- 08/01/2024
- Numero Ore
- 32
- Costo
- € 1.500,00
- Corso
- Corso Keras & TensorFlow
- Titolo rilasciato
- Attestato di partecipazione
- Modalità
- E-learning / FAD
Presentazione del corso
Premesse
TensorFlow è una libreria software open source per l’apprendimento automatico (machine learning), che fornisce moduli sperimentati e ottimizzati, utili nella realizzazione di algoritmi per diversi tipi di compiti percettivi e di comprensione del linguaggio.
Keras è una libreria open source per l’apprendimento automatico e le reti neurali, scritta in Python. È progettata come un’interfaccia a un livello di astrazione superiore di altre librerie simili di più basso livello, e supporta come back-end le librerie TensorFlow, Microsoft Cognitive Toolkit (CNTK) e Theano.
Obiettivi del corso
L’obiettivo del corso è quello di mettere i discenti in condizione di essere autonomi nella realizzazione di algoritmi di Machine Learning, utilizzando Python, Tensorflow e Keras.
Piano di lavoro
PRIMO GIORNO: Riepilogo delle principali caratteristiche
- Strutture Dati: Array, Liste, Tuple, Dizionari, Frame
- Alcune Librerie fondamentali: numpy, scipy, pandas, matplotlib, sklearn
- Esempi ed Esercitazioni pratiche
SECONDO GIORNO: Accesso ai dati
- Classi ed Oggetti: specificità Python e ciclo di vita
- IO su Database: mappatura dei formati Python per SQL e NoSQL
- Esempi ed Esercitazioni pratiche
TERZO GIORNO: Multiprocessing e Microservizi
- Concorrenza, Parallelismo, Threading, Networking
- Lambda Functions, Reactive Programming, Microservizi e Framework
- Esempi ed Esercitazioni pratiche
QUARTO GIORNO: Microservizi con Flask
- Routing, Decorators, Variabili, Convertitori
- Request, Response, Signals, RESTfull API
- Esempi ed Esercitazioni pratiche
Requisiti di partecipazione
Prerequisiti e strumenti richiesti
Il corso è rivolto a personale informatico già in possesso di una buona esperienza di programmazione in Python e con una formazione di base per quanto riguarda il Machine Learning. Durante il corso saranno comunque riviste le necessarie nozioni propedeutiche, per poi affrontare argomenti avanzati.