Introduzione all'apprendimento automatico con Sklearn

• Apprendimento automatico: iniziamo con un'introduzione di base ai termini e ai concetti di apprendimento automatico.

• Tipi di apprendimento automatico: viene fornita una panoramica dei diversi tipi di apprendimento automatico, tra cui l'apprendimento supervisionato e non supervisionato, nonché i metodi di classificazione e regressione.

• Flusso di lavoro di un progetto di apprendimento automatico: presentiamo il flusso di lavoro tipico di un progetto, dalla raccolta dei dati alla selezione del modello e alla sua valutazione.

• Analisi esplorativa dei dati: si ottiene una panoramica iniziale dei dati e si riconoscono le correlazioni importanti.

• Preparazione dei dati: vengono illustrate le fasi tipiche, dalla gestione dei valori errati alla standardizzazione.

• Addestramento: imparerete a conoscere il fenomeno dell'overfitting e i metodi di convalida incrociata e di regolarizzazione.

• Misure di qualità: imparerete a valutare la qualità di un modello creato.

• Selezione delle caratteristiche: Viene chiarita l'influenza della selezione delle caratteristiche utilizzate e vengono presentate le strategie per la selezione delle caratteristiche.

• Frameworks Python: vi presenteremo anche i frameworks Python per l'apprendimento automatico, tra cui Sklearn, Pandas e NumPy.

Durata del corso: 2 giorni

Con questo corso getterete una solida base per il vostro ulteriore coinvolgimento nell'apprendimento automatico e sarete in grado di avviare i vostri progetti in questo settore.