Struttura del corso

Introduzione all'Applicato Machine Learning

  • Apprendimento statistico vs. apprendimento automatico
  • Iterazione e valutazione
  • Compromesso distorsione-varianza

Apprendimento supervisionato e apprendimento non supervisionato

  • Machine Learning Linguaggi, tipi ed esempi
  • Apprendimento supervisionato vs non supervisionato

Apprendimento supervisionato

  • Alberi decisionali
  • Random Forests
  • Valutazione del modello

Apprendimento automatico con Python

  • Scelta delle biblioteche
  • Strumenti aggiuntivi

Regressione

  • Regressione lineare
  • Generalizzazioni e non linearità
  • Esercizi

Classificazione

  • Aggiornamento bayesiano
  • Ingenuo Bayes
  • Regressione logistica
  • K-Vicini più prossimi
  • Esercizi

Convalida incrociata e ricampionamento

  • Approcci di convalida incrociata
  • Bootstrap
  • Esercizi

Apprendimento non supervisionato

  • Clustering K-means
  • Esempi
  • Le sfide dell'apprendimento non supervisionato e oltre i mezzi K

Reti neurali

  • Livelli e nodi
  • Python Librerie di reti neurali
  • Lavorare con scikit-learn
  • Lavorare con PyBrain
  • Apprendimento profondo

Requisiti

Conoscenza del linguaggio di programmazione Python. E' consigliata una conoscenza di base della statistica e dell'algebra lineare.

  28 ore
 

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.

Prezzo per Partecipante

Recensioni (2)

Corsi relativi

Categorie relative