Deep Learning in Python: AI che parlano e che prevedono il futuro

Iscriviti a questa serie per apprendere come creare applicazioni di AI. Imparerai a costruire modelli per prevedere l'andamento dei dati nel tempo e a realizzare modelli del linguaggio. A Luglio ogni lunedì alle 16.00.

Perché partecipare alla serie?

La Serie AI/ML ti permetterà di acquisire la conoscenza necessaria a costruire modelli per analizzare e prevedere dati nel tempo e modelli del linguaggio. L'analisi predittiva è fondamentale per ogni sviluppatore che desideri andare oltre la comprensione di cosa è successo per meglio valutare quello che accadrà nel futuro. Durante la Serie sarà possibile apprendere il funzionamento di queste applicazioni e di come sia possibile implementarle, monitorarle e deployarle usando le tecnologie che già conosciamo.

Non perdere la serie se vuoi:

  • capire l'utilizzo di Python nel Deep Learning
  • conoscere i framework open source più utilizzati (es: TensorFlow e PyTorch)
  • avere una overview di come funzionano internamente i modelli
  • avere l’occasione unica di approfondire casi d'uso mostrati da professionisti internazionali, su temi come COVID, chatbot e assistenti vocali.
Episodio 1
Disponibile on demand
Disponibile on demand
lug 05
lug
05
14:00-15:00
Valutazione dell'efficacia delle misure restrittive anti-Covid19 mediante AI
Alessandro Londei
Researcher Associated • Sony CSL Paris
L'uso di particolari tecniche di intelligenza artificiale basate su tecnologia Transformer hanno permesso di valutare l'efficacia delle misure restrittive applicate da 74 paesi del mondo durante la prima fase della pandemia di Covid19. Gli algoritmi hanno permesso di rappresentare un modello completo ed efficace per valutare scenari artificiali e di svolgere operazioni What-If. Nel corso dell'intervento verranno presentate le parti salienti dell'algoritmo. Le analisi e i risultati di quanto presentato è stato pubblicato nel novembre 2020 sulla rivista Nature.
Episodio 2
Disponibile on demand
Disponibile on demand
lug 12
lug
12
14:00-15:00
Elaborazione del linguaggio naturale in Python con i transformers
Andrea Santilli
PhD Researcher • Sapienza University of Rome
Il linguaggio naturale è una tipologia di dato pervasiva in una qualunque applicazione. Grazie ai recenti sviluppi nell'ambito del Deep Learning, ed in particolare a modelli predittivi basati sui transformers quali BERT, siamo in grado di far comprendere ad un computer il contenuto di un testo. In questo intervento ci concentreremo su come processare il linguaggio naturale sfruttando modelli predittivi stato dell’arte e risorse Open Source disponibili online su varie repository quali Tensorflow Hub e Huggingface Hub.
Episodio 3
Disponibile on demand
Disponibile on demand
lug 19
lug
19
14:00-15:00
Natural Language Processing su grandi quantità di dati con Spark NLP
Mario Cartia
Managing Director • Agile Skill
Spark NLP è una libreria di elaborazione del linguaggio naturale open source, costruita su Apache Spark e Spark ML. Fornisce un'API facile da integrare con ML Pipelines ed è commercialmente supportato da John Snow Labs. Gli annotatori di Spark NLP utilizzano algoritmi basati su regole, machine learning e alcuni di essi Tensorflow in esecuzione "under-the-hood" per l'utilizzo dei più moderni algoritmi allo stato dell'arte in questo ambito.
Episodio 4
Disponibile on demand
Disponibile on demand
lug 26
lug
26
14:00-15:00
La pipeline NLP per il processamento dei dati linguistici
Cristina Giannone
Lead AI Engineer • Almawave spa
Nonostante la potenza degli attuali algoritmi di deep learning per l'apprendimento di un task di NLP, l'utilizzo di una pipeline di NLP per il preprocessing dei dati rimane un passo fondamentale del processo di learning. In questo talk parleremo del ruolo delle feature linguistiche in machine learning e costruiremo una pipeline NLP con strumenti open source.
Episodio Bonus
Disponibile on demand
Disponibile on demand
lug 19
lug
19
14:00-15:00
AMA Sul Deep Learning
Piero Savastano
Data Scientist • Self Employed
A partire da un semplice neurone, abbiamo parlato di come si strutturano in una rete neurale e di come la rete possa imparare. Un pizzico di matematica, esempi di applicazioni pratiche e tanti consigli per cominciare
Master of Ceremonies
Piero Savastano
Data Scientist • Freelance
Proveniente dalla ricerca pure nell'ambito della bioinspired robotics, ora lavora come Data Scientist freelance. Il desiderio più grande? Aiutare i dev a capire e utilizzare il machine/deep learning!