Alla fine di questo corso, sarai in grado di padroneggiare i fondamenti e le applicazioni pratiche della Computer Vision, trasformando semplici immagini digitali in dati significativi attraverso l' addestramento di modelli di intelligenza artificiale. Partendo dalle basi dell'elaborazione delle immagini, imparerai a manipolare i contenuti visivi utilizzando il linguaggio di programmazione Python e librerie specifiche per la Computer Vision come OpenCV, comprendendo come gestire pixel, canali di colore e trasformazioni geometriche.
Cosa imparerai:
- Elaborare immagini digitali: acquisirai le competenze tecniche per installare un ambiente di sviluppo completo e utilizzare librerie come NumPy e Matplotlib per il ridimensionamento, il ribaltamento (flipping) e l'analisi degli istogrammi di colore;
- Comprendere il Machine Learning e il Deep Learning: scoprirai come l'intelligenza artificiale si sia evoluta dai sistemi simbolici degli anni '50 fino alle moderne reti neurali;
- Progettare e addestrare reti neurali convoluzionali (Convnet): sarai capace di costruire un modello di classificazione delle immagini partendo da zero, comprendendo concetti chiave come la convoluzione e il max-pooling;
- Ottimizzare i modelli su piccoli dataset: imparerai strategie avanzate per contrastare l'overfitting, come la data augmentation, l'estrazione delle caratteristiche e il fine-tuning, ottenendo risultati di alta precisione anche con un numero limitato di campioni.
Questo corso ti fornirà non solo la teoria, ma anche il metodo operativo per sviluppare modelli di computer vision, permettendoti di affrontare sfide reali nel campo della visione artificiale con un approccio solido e aggiornato.
- Docente: Francesco Mercaldo