Annunciando il nuovo tutorial di Microsoft Azure su Deep Learning e NLP

Nuovo tutorial di Microsoft Azure su Deep Learning e NLP

Qui a ODSC, non potremmo essere più entusiasti di annunciare la serie di tutorial di Microsoft Azure su Deep Learning e NLP, ora disponibile gratuitamente su Ai+. Questa serie di corsi è stata creata da un team di esperti della comunità Microsoft, che hanno portato la loro conoscenza ed esperienza nell’AI e nel deep learning per creare un’esperienza di apprendimento illuminante. Questo team ha una passione per favorire la competenza nell’AI e non vede l’ora di aiutarti ad approfondire le tue conoscenze in machine learning e deep learning.

In basso troverai una breve panoramica delle quattro sessioni attualmente disponibili in questa serie: Introduzione alla serie, Modelli di deep learning: CNN, RNN, LSTM, modelli di codificatore-decodificatore e meccanismi di attenzione – Parte 1, Modelli di codificatore-decodificatore e meccanismi di attenzione – Parte 2.

Introduzione alla serie

La prima sessione ti fornirà un’introduzione a questa serie, nonché ai fondamenti del machine learning e del deep learning, con un focus su reti neurali completamente connesse e convoluzionali.

Tratterai anche la discesa del gradiente, che è una conoscenza essenziale per l’addestramento efficace e il miglioramento dei tuoi modelli di machine learning.

Modelli di deep learning: CNN, RNN, LSTM

La seconda sessione è dedicata all’esplorazione delle reti neurali convoluzionali (CNN), delle reti neurali ricorrenti (RNN) e delle reti di memoria a lungo termine (LSTM). Queste reti vengono utilizzate per una varietà di applicazioni, come il trattamento di immagini e video, dati sequenziali come testo e discorsi, e modellazione del linguaggio e previsioni di serie temporali, rispettivamente.

Modelli di codificatore-decodificatore e meccanismi di attenzione – Parte 1 e Parte 2

Le sessioni tre e quattro tratteranno i modelli di codificatore-decodificatore, oltre ai meccanismi di attenzione. Esplorerai i fondamenti delle architetture di codificatore-decodificatore, che sono vitali per l’AI. Le architetture di codificatore-decodificatore svolgono un ruolo vitale nell’AI, specialmente nei compiti che coinvolgono previsioni da sequenza a sequenza come la traduzione automatica, il riassunto del testo e il riconoscimento vocale.

I meccanismi di attenzione, d’altra parte, sono cruciali per i compiti che coinvolgono sequenze, come l’elaborazione del linguaggio naturale, in quanto consentono ai modelli di concentrarsi su parti specifiche dell’input durante la generazione dell’output.

Iscrivimi!

Inoltre, queste quattro sessioni sono solo l’inizio. Aggiungeremo ulteriori sessioni sulle competenze e i concetti di machine learning e deep learning che ti aiuteranno a sviluppare competenze nell’AI. Inizia a imparare gratuitamente qui.