Struttura del corso

Introduzione all'applicazione 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 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

Requisiti

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

  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.
I corsi di formazione pubblici richiedono più di 5 partecipanti.

Corsi relativi

Categorie relative