Struttura del corso

Introduzione al Data mining e Machine Learning

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

Regressione

  • Regressione lineare
  • Generalizzazioni e non linearità
  • Esercizi

Classificazione

  • Aggiornamento bayesiano
  • Ingenuo Bayes
  • Analisi dei dicriminanti
  • Regressione logistica
  • K-Vicini più prossimi
  • Macchine vettoriali di supporto
  • Reti neurali
  • Alberi decisionali
  • 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

Argomenti avanzati

  • Modelli d'insieme
  • Modelli misti
  • Aumentare
  • Esempi

Riduzione multidimensionale

  • Analisi fattoriale
  • Analisi delle componenti principali
  • Esempi

Requisiti

Questo corso fa parte del set di competenze del Data Scientist (Dominio: Tecniche e metodi analitici)

  14 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 (1)

Corsi relativi

Categorie relative