Matteo Alberti – Milano – Introduzione matematica al Machine Learning e Deep Learning

Matteo Alberti – DLI community manager

“Introduzione tecnica al Machine Learning e Deep Learning”

Si vogliono introdurre i principali cambiamenti avuti nel mondo delle analisi tecnico-statistiche grazie all’avvento del machine learning, in particolar modo riguardo l’estrapolazione di informazione al posto che una generalizzazione in condizioni di scarsità di dato. Il talk si soffermerà in dettaglio sui seguenti aspetti:

– Metodi di riduzione della dimensionalità ed elementi di Machine Learning

– Struttura di una rete neurale

– Allenamento di una rete multistrato

– Metodi di regolarizzazione

– Applicazioni a casi d’uso reali

– Codice in Keras | Jupyter Notebook

 

link alla repository: https://github.com/matteoalberti

 

 

Cristiano De Nobili – Milano – Neural Style Transfer

Cristiano De Nobili – Docente Deep Learning Italia

“Neural Style Transfer”

Nella città del design e della moda, potevamo astenerci dall’insegnare anche alle nostre reti neurali un po’ di stile? Con un tutorial, passo dopo passo, vedremo sia la teoria che la pratica dello stilista artificiale provetto.

 

Link al codice: https://github.com/denocris

 

 

 

 

Deep Learning e AlphaGo- Milano – 26 Novembre 2018

Maurizio Parton – Professore associato – Dipartimento di Economia – Università di Chieti – Pescara “G. d’Annunzio”

“Deep Learning e AlphaGo”
In questo intervento parlerò del successo del Deep Learning nell’affrontare l’ultimo baluardo dei giochi combinatori, il Go. Dopo aver descritto perché il Go è stato fino al 2016 impossibile da affrontare per i computer, parlerò di AlphaGo – il software che ha conquistato il Go -, della rete neurale alla base del successo di AlphaGo, e delle sue evoluzioni in AlphaGo Zero e AlphaZero, i software che hanno superato AlphaGo grazie al *non*-aiuto umano 🙂

 

 

 

 

IBM Cognitive – Milano – 26 Novembre 2018

Lorenzo Laderchi – IBM Cognitive Specialist (IBM Power AI)

“Per un grande dataset non ci vuole una piattaforma grande, ma una grande piattaforma”
Quando si ha a che fare con grandi quantitativi di dati (in termini di numerosità e dimensione dei campioni) spesso si incontrano limitazioni hardware che possono rendere difficile – se non impossibile – il raggiungimento delle accuratezze volute in tempi accettabili. In questa sessione analizzeremo nel dettaglio alcune librerie sviluppate da IBM e integrabili nei framework di DL più diffusi che rendono possibile lo scaling del training su più server e che permettono di aggirare le limitazioni dovute alla ridotta capacità di memoria presente a bordo delle GPU

 

 

Deep Learning Italia – Milano – 19 ottobre 2018

Il Meetup #AperiTech di ottobre di Deep Learning Italia!

• Cosa faremo
“Deep Learning Italia” è lieta di invitarvi al suo Meetup a Milano.

Registrazione obbligatori su eventbrite:

https://www.eventbrite.it/e/biglietti-milano-meetup-aperitech-di-deep-learning-italia-50642063776

Info e prenotazioni a: info@deeplearningitalia.com

Vi aspettiamo!!!

Scaletta Talks:

1) Matteo Testi Founder Deep Learning Italia & Luciano Di Benedetto Head of Big Data at Sferanet

“Introduzione alla piattaforma Deep Learning Italia”
Abstract: Illustrazione della community Deep Learning Italia e degli strumenti oggi sviluppati e a disposizione della community. Introduzione alle features del sito www.deeplearningitalia.com: i tutorials, il question & answer, le references, gli sviluppi futuri.

2) SK Reddy Chief Product Officer AI for Hexagon, located in Silicon Valley

Title: Making sense with 3D Point Clouds using Deep Learning

Abstract: Processing 3D images has many use cases. For example, to improve autonomous car driving, to enable digital conversions of old factories, enable augmented reality solutions for medical surgeries, etc. 3D image processing brings enormous benefits but also amplifies computing cost. The size of the point cloud, the number of points, sparse and irregular point cloud, and the adverse impact of the light reflections, (partial) occlusions, etc., make it difficult for engineers to process point clouds. Moving from using handcrafted features to using deep learning techniques to semantically segment the images, to classify objects, to detect objects, to detect actions in 3D videos, etc., we have come a long way in 3D image processing. 3D Point Cloud image processing is increasingly used to solve Industry 4.0 use cases to help architects, builders and product managers. I will share some of the innovations that are helping the progress of 3D point cloud processing. I will share the practical implementation issues we faced while developing deep learning models to make sense of 3D Point Clouds.

Linkedin: https://www.linkedin.com/in/sk-reddy/

Website: http://hexagon.com

3) Matteo Alberti Techedge & Deep Learning Italia

Applicazione dei principali algoritmi di Deep Learning al mondo Finance:

0) I limiti della modellistica AR, ARIMA,ARMA

1) Applicazione di Reti Ricorrenti (LSTM)

2) Dalle Convoluzioni 2D all’estrazione di Pattern

3) Strumenti di Riduzione della dimensionalità per inglobare indici nella nostra predizione (dalle linearità ad Autoencoder)

4) Cenni al Reinforcement Learning per Automated Stock Trading

Il tutto con alucni esempi pratici con codice in Tensorflow

Deep Learning Italia – Roma – 29 ottobre 2018

Il Meetup #AperiTech di ottobre di Deep Learning Italia!
*** Presto maggiori dettagli ***

• Cosa faremo
“Deep Learning Italia” torna a Roma con il suo decimo Meetup itinerante. E’ il quarto meetup sull’argomento che si farà ad Enlabss Roma! Venerdì 6 Luglio 2018, dalle ore 19.00 alle ore 21.00 – presso Via Marsala 29/H, terzo piano Roma.

Si affronteranno temi legati esclusivamente alla progettazione e implementazione di Reti Neurali e il Deep Learning nell’ Intelligenza Artificiale di oggi.
Il Meetup di DLI nasce dall’esigenza di sopperire alla carenza di meetup tecnici sul Deep Learning in Italia mentre ormai se ne contano molteplici in altre città del mondo come Londra, Amsterdam e San Francisco. Il Meetup sarà orientato sia alla ricerca accademica e che al mondo delle startup.

Entrata totalmente gratuita.

La registrazione su eventbrite è obbligatoria!

https://www.eventbrite.it/e/biglietti-meetup-aperitech-di-deep-learning-italia-49918034184

Vi aspettiamo!!!

Scaletta Talks:

1) Matteo Testi- Founder Deep Learning Italia
“Introduzione alla piattaforma Deep Learning Italia”
Abstract: Illustrazione della community Deep Learning Italia e degli strumenti oggi sviluppati e a disposizione della community. Introduzione alle features del sito www.deeplearningitalia.com: i tutorials, il question & answer, le references, gli sviluppi futuri.

2) Francesco Pugliese – Co-Founder Deep Learning Italia | Ricercato ISTAT
“Introduzione divulgativa alle Reti Neurali e al Deep Learning”.
Abstract: Descrizione introduttiva del modello del neurone artificiale e confronto con il neurone biologico, la storia delle reti neurali e come si è arrivati oggi al Deep Learning, detrattori vs sostenitori delle reti neurali e vittoria dei sostenitori (Hinton, LeCunn, Benjo). I successi del Deep Learning e la disfatta del Machine Learning tradizionale di oggi in settori come Computer Vision, Natural Language Processing e Giochi (GO, Chess, ecc.). Dalle CNN fino alle Reti Neurali Capsulari.

3) Andrea Mercuri – Deep Learning Italia

Cosa è il reinforcement learning?”

Nel talk vengono introdotti gli aspetti fondamentali di questo paradigma di apprendimento e viene mostrato in dettaglio il caso di un agente che impara ad interagire con un ambiente molto semplice della libreria Gym di OpenAi utilizzando il metodo Montecarlo.

Deep Learning Italia – Roma – Luglio 2018

1) Francesco Pugliese – Co-Founder Deep Learning Italia | Ricercato ISTAT
“Introduzione divulgativa alle Reti Neurali e al Deep Learning”.
Abstract: Descrizione introduttiva del modello del neurone artificiale e confronto con il neurone biologico, la storia delle reti neurali e come si è arrivati oggi al Deep Learning, detrattori vs sostenitori delle reti neurali e vittoria dei sostenitori (Hinton, LeCunn, Benjo). I successi del Deep Learning e la disfatta del Machine Learning tradizionale di oggi in settori come Computer Vision, Natural Language Processing e Giochi (GO, Chess, ecc.).

2) Matteo Testi- Founder Deep Learning Italia
“Introduzione alla piattaforma Deep Learning Italia”
Abstract: Illustrazione della community Deep Learning Italia e degli strumenti oggi sviluppati e a disposizione della community. Introduzione alle features del sito www.deeplearningitalia.com: i tutorials, il question & answer, le references, gli sviluppi futuri.

3) Ayadi Ala Eddine – Data Scientist at InstaDeep UK – AI researcher intern at Università degli Studi di Padova on deep reinforcement learning and a kaggle expert with more than 3 years of experience in data science, machine learning and statistics by working on real-life problems, a passion holder for deploying predictive models and deep learning techniques.
“Generative Adversarial Networks – Tensorflow to build GAN’s”
Abstract: GANs has been one of the most interesting developments in deep learning and machine learning recently. Through an innovative combination of computational graphs and game theory, we are going to show you how two models fighting against each other would be
able to co-train and generate new samples. Finally, we will end up with a demo where I will show you some cool stuff people have done using GAN and give you links to some of the important resources for getting deeper into these techniques.

 

link iscrizione

Convolutional autoencoders features visualization

Cristiano De Nobili – Fisico

 

“Convolutional autoencoders features visualization”

Le reti CNN formano delle rappresentazioni a ogni livello, le feature maps, e i livelli più lontani dal livello di input contengono features via via sempre più complesse, che catturano caratteristiche che descrivono grandi porzioni dell’immagine di input. In questo talk faremo vedere una tipica tecnica di visualizzazione di queste features, con i convolutional autoencoders, descrivendo il livello di deconvoluzione

Introduzione al deep learning

Daniele D’Armiento – Physicist presso Samsung

“Introduzione al deep learning ed alla piattaforma Deep Learning Italia”
Abstract: Illustrazione della community Deep Learning Italia e degli strumenti oggi sviluppati e a disposizione della community. Introduzione alle features del sito www.deeplearningitalia.com: i tutorials, il question & answer, le references, gli sviluppi futuri

Dalle reti convoluzionali alle strutture capsulari

 

Daniele D’Armiento – Physicist presso Samsung

Matteo Alberti – Università Milano-Bicocca

 

“Analisi di una rete neurale capsulare nella Computer Vision”
L’attuale stato dell’arte per la classificazione d’immagini, introdotte nell’ottobre 2017, sta aprendo nuove strade inesplorate nel mondo del Deep Learning non più basate sull’ormai comune prassi di aumentare la profondità della rete o aumentare i dati a nostra disposizione per raggiungere performance migliori ma contrariamente su una struttura capsulare ed un processo definito “routing-by-agreement” in grado di superare la perdita delle informazioni spaziali delle reti convoluzionali ed al tempo stesso di ottenere simil-analoghe performance con una quantità di dati inferiore.