Tags
Language
Tags
October 2025
Su Mo Tu We Th Fr Sa
28 29 30 1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29 30 31 1
    Attention❗ To save your time, in order to download anything on this site, you must be registered 👉 HERE. If you do not have a registration yet, it is better to do it right away. ✌

    ( • )( • ) ( ͡⚆ ͜ʖ ͡⚆ ) (‿ˠ‿)
    SpicyMags.xyz

    Practical Deep Learning: Geolocalizzazione indoor (Italiano)

    Posted By: Sigha
    Practical Deep Learning: Geolocalizzazione indoor (Italiano)

    Practical Deep Learning: Geolocalizzazione indoor (Italiano)
    Video: .mp4 (1280x720, 30 fps(r)) | Audio: aac, 44100 Hz, 2ch | Size: 2.84 GB
    Genre: eLearning Video | Duration: 42 lectures (5 hour, 40 mins) | Language: Italiano

    Sviluppare una applicazione client-server che, tramite l'utilizzo di reti neurali, ti localizza in un ambiente chiuso

    What you'll learn

    Utilizzo delle reti neurali in una applicazione pratica
    Sviluppo di una applicazione client - server utilizzando Android e Python
    Concetti base sulle reti neurali e sulla geolocalizzazione indoor
    Costruzione e training di una rete neurale in Keras
    Scoprire il Deep Learning, il più evoluto ramo del Machine Learning

    Course content
    9 sections • 42 lectures • 5h 40m total length

    Requirements

    Conoscenze di base del linguaggio Python
    Conoscenze di base nello sviluppo Android in linguaggio java
    Non sono richieste conoscenze di reti neurali, qualche conoscenza di base può aiutare ad estendere l'applicazione

    Description

    In questo corso descrivo l'implementazione di un applicativo client-server che acquisendo i segnali wifi da un dispositivo Android lo geolocalizzerà in un ambiente indoor (riconoscerà in quale area/stanza ci si trova);

    Il client sarà una applicazione Android scritta in Java,
    mentre il server che girerà sul vostro PC sarà una applicazione scritta in Python;
    Per geolocalizzare il dispositivo si utilizzerà una rete neurale sviluppata con la libreria Keras (Tensorflow 2.0);
    La rete neurale avrà una fase di training ed una fase di predizione;

    Who this course is for:

    Sviluppatori che vogliono lavorare su progetti pratici che sfruttano le reti neurali
    Data scientist che vogliono applicare le proprie conoscenze in progetti pratici
    Appassionati di Machine Learning che vogliono mettere in pratica il Deep Learning in una applicazione reale



    For More Courses Visit & Bookmark Your Preferred Language Blog
    From Here: English - Français - Italiano - Deutsch - Español - Português - Polski - Türkçe - Русский