Struttura del corso
Introduzione al Machine Learning e a Google Colab
- Panoramica sul machine learning
- Configurazione di Google Colab
- Riepilogo dei concetti fondamentali di Python
Apprendimento Supervisionato con Scikit-learn
- Modelli di regressione
- Modelli di classificazione
- Valutazione e ottimizzazione dei modelli
Tecniche di Apprendimento Non Supervisionato
- Algoritmi di clustering
- Riduzione della dimensionalità
- Apprendimento basato su regole di associazione
Concetti avanzati di Machine Learning
- Reti neurali e deep learning
- Macchine a vettori di supporto
- Metodi di ensemble
Argomenti specialistici nel campo del Machine Learning
- Engineering delle feature
- Ottimizzazione degli iperparametri
- Interpretabilità dei modelli
Flusso di lavoro nel progetto di Machine Learning
- Preprocessamento dei dati
- Selezione del modello più adatto
- Deploy del modello sviluppato
Progetto finale
- Definizione chiara del problema da risolvere
- Raccolta e pulizia dei dati necessari
- Addestramento ed eventuale valutazione del modello sviluppato
Riepilogo e prospettive future
Requisiti
- Conoscenza dei concetti base della programmazione
- Esperienza nello sviluppo in Python
- Familiarità con i principi fondamentali della statistica
Destinatari
- Data scientist
- Sviluppatori software
Recensioni (2)
Guidare le persone che non hanno mai utilizzato l'AI a una maggiore costanza nella formulazione dei prompt e chi già ne fa uso a esplorare diverse strategie di interazione con essa.
Matthew Gay - Tarsus Pharmaceuticals
Corso - Artificial Intelligence (AI) Overview
Traduzione automatica
Lavorare partendo dai principi fondamentali in modo concentrato, e passare all'applicazione di casi pratici nello stesso giorno
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traduzione automatica
