Contattataci

Struttura del corso

Introduzione al Machine Learning applicato

  • Apprendimento statistico vs. Machine learning
  • Iterazione e valutazione
  • Compromesso Bias-Varianza

Apprendimento supervisionato e non supervisionato

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

Apprendimento supervisionato

  • Alberi decisionali
  • Random Forests
  • Valutazione del modello

Machine Learning con Python

  • Scelta delle librerie
  • Strumenti aggiuntivi

Regressione

  • Regressione lineare
  • Generalizzazioni e non linearità
  • Esercitazioni

Classificazione

  • Ripasso della statistica bayesiana
  • Naive Bayes
  • Regressione logistica
  • K-Nearest Neighbors (KNN)
  • Esercitazioni

Validazione incrociata e campionamento

  • Approcci di validazione incrociata
  • Bootstrap
  • Esercitazioni

Apprendimento non supervisionato

  • Clustering K-means
  • Esempi
  • Sfide dell'apprendimento non supervisionato e oltre K-means

Reti neurali

  • Strati e nodi
  • Librerie Python per reti neurali
  • Utilizzo di scikit-learn
  • Utilizzo di PyBrain
  • Deep Learning

Requisiti

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

 28 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (7)

Corsi in Arrivo

Categorie relative