* LA PROSSIMA EDIZIONE DEL "CORSO DEEP LEARNING CON PYTHON PER L'ANALISI DI BIG DATA" E' PREVISTA NEI MESI DI SETTEMBRE/OTTOBRE 2019*

 

Descrizione

Il corso è rivolto a tutti coloro che, per la loro attività professionale, sono interessati all’apprendimento delle tecniche di Deep Learning ed alle loro possibilità di utilizzo nell’analisi di Big Data. A questo scopo, il corso offre sia una introduzione a queste tecniche sia la possibilità di poterle sperimentare mediante l’utilizzo di software open source. Il linguaggio di programmazione utilizzato a tale scopo è Python, del quale sarà sviluppata una breve trattazione. 
 

Organizzazione

Il Corso si articola in 2 moduli formativi, ciascuno della durata di 20 ore di attività didattica, per un totale di 40 ore di didattica frontale in laboratorio informatico comprensivo di esercitazioni e casi di studio. Ciascun modulo formativo si compone di incontri di 6,40 ore ciascuno. Gli incontri si tengono con cadenza settimanale. 
 
A tutti i partecipanti, alla fine del Corso di Formazione, il Dipartimento di Scienze Statistiche della SAPIENZA, Università degli Studi di Roma, rilascerà un attestato di partecipazione. 
 

Contenuti

  • Introduzione al linguaggio Python

    • Nozioni di base

    • Strutture dati standard (liste, dizionari, tuple, insiemi)

    • Funzioni lambda

    • Gestione I/O

    • Gestione errori

    • Moduli e Pacchetti
       

  • Elaborazione di Big Data con Apache Spark

    • Introduzione al Calcolo Distribuito

    • Il paradigma MapReduce

    • Apache Spark

    • RDD

    • Azioni e Trasformazioni
       

  • Introduzione al Machine learning e al deep learning

    • Introduzione alle librerie Scikit-learn, Tensorflow e Keras

    • Data preprocessing (trasformazioni, imputazione, denoising, riduzione dimensionale), la rappresentazione delle immagini

    • Tecniche di valutazione e tuning di un modello con i Big Data

    • Modelli supervisionati, metodi ensemble, deep learning

    • Neural networks: FeedForward, Autoencoders, Convolutional, Recurrent
       

  • Applicazioni al linguaggio naturale ed all’elaborazione di immagini

    • Classificazione delle immagini, Imagenet data-base

    • Transfer learning, applicazioni

    • Il trattamento statistico del testo

    • Sentiment analysis, applicazioni   

Requisiti

Per accedere al Corso si richiede il possesso di nozioni di base di Statistica ed una discreta conoscenza di un linguaggio di programmazione (non è richiesta la conoscenza di Python).

Le date

(da confermare) 

Anno 2019

  • 11 gennaio 
  • 18 gennaio
  • 25 gennaio
  •   1 febbraio
  •   8 febbraio
  • 15 febbraio

Gli orari

Le lezioni si terranno nel seguente orario:

Mattina dalle 09.00 alle ore 13.00

Pomeriggio dalle 13.50 alle 16.30

Quote e modalità di iscrizione

La quota di iscrizione è di € 900,00 (esente IVA art. 10 DpR 633/72)
Sono inoltre disponibili sino ad 8 quote agevolate di € 500 (esente IVA art. 10 DpR 633/72) per coloro che possono certificare di trovarsi in una delle seguenti condizioni: 
  • dottorando di ricerca 
  • assegnista di ricerca 
  • studente universitario

Per partecipare al corso i candidati interessati devono inviare il modulo di iscrizione: link ed attendere  conferma della disponibilità del posto  dalla segreteria organizzativa,  al fine di procedere successivamente con l'iscrizione definitiva tramite il pagamento della quota prevista.

POSTI ANCORA DISPONIBILI AL 3 GENNAIO 2019 N.4 - LA SCADENZA ULTIMA PER PRESENTARE  IL MODULO DI ISCRIZIONE SARA' MERCOLEDI 9 GENNAIO 2019

 

Nota: non è possibile accogliere domande di iscrizione da parte di studenti iscritti ai corsi di laurea della ex Facoltà di Scienze Statistiche ora Facoltà di Ingegneria dell’Informazione, Informatica e Statistica.

Attivazione del corso: Il corso non sarà attivato qualora non venisse raggiunto il numero minimo di 10 iscrizioni con quota intera. In tal caso l'importo versato sarà rimborsato.

Rinunce: In caso di rinuncia dopo il pagamento della quota di iscrizione non sarà riconosciuto alcun rimborso.

Per ulteriori informazioni inviate una mail alla segreteria del corso, nella persona di Cristina Puteo

 

Personale docente: