Corso Python: apprendimento automatico, ottimizzazione e applicazioni (7a edizione)
Corso Python: apprendimento automatico, ottimizzazione e applicazioni (7a edizione)
Periodo di pre-registrazione: fino al 20 ottobre 2024
Periodo di iscrizione: dal 1 al 20 ottobre 2024
Data di inizio del corso: 20 novembre 2024
Fine del corso: 30 gennaio 2025
Crediti: 10 ECTS
Prezzo: €560 (tasse incluse)
Maggiori informazioni: https://cfp.us.es/cursos/fc/python-machine-learning-optimizacion-y-aplicaciones/4724/ storal@us.es , d.gutierrez.reina@gmail.com
Il corso di formazione continua in Python: Machine Learning, Optimization e Applicazioni (ottava edizione), del valore di 10 crediti ECTS e disponibile sia in presenza che online, è offerto dal Centro di Formazione Continua dell'Università di Siviglia. Le lezioni saranno trasmesse in modalità sincrona e registrate, rendendole disponibili agli studenti tramite la piattaforma di apprendimento virtuale dell'Università di Siviglia.
Questo corso offre una panoramica completa sulla programmazione di algoritmi di Machine Learning/Deep Learning e sull'ottimizzazione utilizzando il linguaggio di programmazione Python. Il corso è strutturato in cinque moduli:
Il Modulo 1 copre le basi della programmazione Python e i moduli numpy, matplotlib, pandas e scipy. Sono richieste solo conoscenze di base di programmazione come prerequisito; non è richiesta alcuna esperienza pregressa in Python, poiché questo modulo parte da zero.
Nel Modulo 2, gli studenti apprenderanno i fondamenti delle tecniche di apprendimento automatico, applicandole a regressioni, classificatori e clustering. Le lezioni includono spiegazioni teoriche e script di applicazione pratica in Python utilizzando la libreria scikit-learn.
Il Modulo 3 tratta vari metodi di ottimizzazione metaeuristica utilizzando il modulo DEAP di Python: metodi di ricerca locale basati su percorsi e metodi di ricerca globale basati su popolazioni. Include anche una sezione sull'apprendimento per rinforzo utilizzando la libreria Gym di Python.
Nel Modulo 4, gli studenti apprenderanno i fondamenti del deep learning in Keras e TensorFlow e come applicare queste tecniche per risolvere problemi reali. Verranno studiate un'ampia varietà di architetture di reti neurali, come reti dense, reti convoluzionali, reti ricorrenti e deep reinforcement learning, sia da una prospettiva teorica che pratica.
Il Modulo 5 è dedicato alle applicazioni. Nel corso di 5 sessioni e in lezioni autonome, diversi professionisti del mondo accademico e del settore illustreranno esempi applicativi tratti dai moduli precedenti.
Il corso sarà tenuto da esperti nel campo dell'apprendimento automatico e dell'ottimizzazione, che condivideranno la loro vasta conoscenza ed esperienza con gli studenti, ed è finalizzato a
Studenti appassionati di tecnologia e desiderosi di sfruttare al meglio le opportunità offerte dall'apprendimento automatico e dall'ottimizzazione. Le competenze acquisite in questo corso sono molto apprezzate nel settore e possono aprire le porte a un'ampia gamma di opportunità di carriera.
Criteri di selezione degli studenti in base all'ordine di preiscrizione. Per accedere al corso non è richiesta una laurea.
Periodo di pre-registrazione: fino al 20 ottobre 2024
Periodo di iscrizione: dal 1 al 20 ottobre 2024
Data di inizio del corso: 20 novembre 2024
Fine del corso: 30 gennaio 2025
Crediti: 10 ECTS
Prezzo: €560 (tasse incluse)
Maggiori informazioni: https://cfp.us.es/cursos/fc/python-machine-learning-optimizacion-y-aplicaciones/4724/ storal@us.es , d.gutierrez.reina@gmail.com
Il corso di formazione continua in Python: Machine Learning, Optimization e Applicazioni (ottava edizione), del valore di 10 crediti ECTS e disponibile sia in presenza che online, è offerto dal Centro di Formazione Continua dell'Università di Siviglia. Le lezioni saranno trasmesse in modalità sincrona e registrate, rendendole disponibili agli studenti tramite la piattaforma di apprendimento virtuale dell'Università di Siviglia.
Questo corso offre una panoramica completa sulla programmazione di algoritmi di Machine Learning/Deep Learning e sull'ottimizzazione utilizzando il linguaggio di programmazione Python. Il corso è strutturato in cinque moduli:
Il Modulo 1 copre le basi della programmazione Python e i moduli numpy, matplotlib, pandas e scipy. Sono richieste solo conoscenze di base di programmazione come prerequisito; non è richiesta alcuna esperienza pregressa in Python, poiché questo modulo parte da zero.
Nel Modulo 2, gli studenti apprenderanno i fondamenti delle tecniche di apprendimento automatico, applicandole a regressioni, classificatori e clustering. Le lezioni includono spiegazioni teoriche e script di applicazione pratica in Python utilizzando la libreria scikit-learn.
Il Modulo 3 tratta vari metodi di ottimizzazione metaeuristica utilizzando il modulo DEAP di Python: metodi di ricerca locale basati su percorsi e metodi di ricerca globale basati su popolazioni. Include anche una sezione sull'apprendimento per rinforzo utilizzando la libreria Gym di Python.
Nel Modulo 4, gli studenti apprenderanno i fondamenti del deep learning in Keras e TensorFlow e come applicare queste tecniche per risolvere problemi reali. Verranno studiate un'ampia varietà di architetture di reti neurali, come reti dense, reti convoluzionali, reti ricorrenti e deep reinforcement learning, sia da una prospettiva teorica che pratica.
Il Modulo 5 è dedicato alle applicazioni. Nel corso di 5 sessioni e in lezioni autonome, diversi professionisti del mondo accademico e del settore illustreranno esempi applicativi tratti dai moduli precedenti.
Il corso sarà tenuto da esperti nel campo dell'apprendimento automatico e dell'ottimizzazione, che condivideranno la loro vasta conoscenza ed esperienza con gli studenti, ed è finalizzato a
Studenti appassionati di tecnologia e desiderosi di sfruttare al meglio le opportunità offerte dall'apprendimento automatico e dall'ottimizzazione. Le competenze acquisite in questo corso sono molto apprezzate nel settore e possono aprire le porte a un'ampia gamma di opportunità di carriera.
Criteri di selezione degli studenti in base all'ordine di preiscrizione. Per accedere al corso non è richiesta una laurea.
