COD. 198 - Intelligenza artificiale - Data Augmentation: Tecniche, Benefici e Sfide - 11 giu

In Aula: Dott. Fabio Massimo D'Amore

L’incontro ha l’obiettivo di illustrare ai partecipanti come la Data Augmentation possa migliorare le prestazioni dei modelli di machine learning, riducendo il rischio di overfitting e aumentando la generalizzazione.

Obiettivi:

• comprendere il ruolo della Data Augmentation nell’addestramento dei modelli di machine learning;

• esaminare le principali tecniche di Data Augmentation per immagini e dati tabulari;

• analizzare vantaggi, sfide e rischi dell’utilizzo della Data Augmentation.

Benefici e Vantaggi:

• acquisire conoscenze sulle strategie di Data Augmentation per migliorare la qualità dei dataset;
• comprendere come prevenire bias e garantire equità nei modelli tramite l’uso appropriato della Data Augmentation;
• esplorare strumenti e librerie per implementare la Data Augmentation nei progetti di machine learning.

Titolo: Data Augmentation: Tecniche, Benefici e Sfide

Dott. Fabio Massimo D'Amore

Programma

1. introduzione alla Data Augmentation e ai suoi benefici nel machine learning;
2. tecniche di Data Augmentation per immagini: trasformazioni geometriche, rumore, filtri e altro;
3. tecniche di Data Augmentation per dati tabulari: SMOTE, ADASYN e altre strategie;
4. dimostrazione pratica: implementazione di Data Augmentation con Python;
5. sfide e rischi: bias, qualità dei dati e trade-off computazionali;
6. domande e risposte.