Struttura del corso

    Introduzione al ML L'apprendimento automatico come parte dell'intelligenza artificiale Tipi di ML Algoritmi di ML Sfide e potenziale utilizzo del ML Overfitting e compromesso bias-varianza in ML Tecniche di Machine Learning Il flusso di lavoro di Machine Learning Apprendimento supervisionato – Classificazione, Regressione Apprendimento non supervisionato – Clustering, rilevamento delle anomalie Apprendimento semi-supervisionato e Reinforcement Learning Considerazione nell'apprendimento automatico Pre-elaborazione dei dati Preparazione e trasformazione dei dati Progettazione delle funzionalità Ridimensionamento delle funzionalità Riduzione della dimensionalità e selezione delle variabili Visualizzazione dei dati Analisi esplorativa Casi di studio Progettazione avanzata delle funzionalità e impatto sui risultati della regressione lineare per la stima Analisi delle serie temporali e previsione del volume mensile delle vendite  - metodi di base, destagionalizzazione, regressione, livellamento esponenziale, ARIMA, reti neurali Analisi del paniere di mercato e mining delle regole di associazione Analisi di segmentazione mediante clustering e mappe auto-organizzanti Classificazione del cliente che probabilmente sarà inadempiente utilizzando regressione logistica, alberi decisionali, xgboost, svm

 

Requisiti

Conoscenza e consapevolezza dei Machine Learning fondamenti

 14 ore

Numero di Partecipanti



Prezzo per Partecipante

Corsi relativi

Categorie relative