Centralino: 0571 997787

Numero attivo in orario lavorativo

E-Learning

Fondamenti di Machine Learning

Categories: ,
Durata

3 Ore

Ruolo

Administrator, Analyst, Architect, Cloud Architect, Data Scientist, Database Administrator, Developer, End User, Engineer, Integration Engineer, Marketing, Marketing Manager, Network Engineer, Project Manager, Security Engineer, Solution Architect, Support Engineer, Sviluppatore, System Administrator, System Analyst, System Engineer, Virtualization Administrator

Tecnologie

Machine Learning

Al momento non sono disponibili edizioni del corso

50.00

Dettagli

Powered by Deep Learning Italia

Panoramica

Il corso di “Fondamenti di Machine Learning” mira a trasferire i principali contenuti teorici e pratici del Machine Learning relativamente giovane, ma in costante e rapida evoluzione

Cosa Imparerai nel corso?

Il Machine Learning è una branca dell’Intelligenza Artificiale che mira a dotare le macchine della capacità di apprendere. Tale capacità può essere sfruttata per automatizzare la risoluzione di compiti altrimenti difficile da codificare in maniera esplicita, come il riconoscimento facciale, la traduzione automatica e la diagnosi assistita dal calcolatore. Il Machine Learning, e in particolare il Deep Learning che da esso deriva, stanno rivoluzionando il nostro modo di produrre nuova conoscenza e hanno reso l’Intelligenza Artificiale la tecnologia abilitante che è oggi.

Per favorire l’apprendimento, il corso è strutturato in maniera bottom-up, partendo da esempi pratici e motivanti, e aggiungendo complessità con l’avanzare del corso.

Struttura delle lezioni

Deep Learning Italia struttura le sue lezioni in maniera molto semplice: all’interno di ogni sezione ci sono video esplicativi, in cui il docente spiega la lezione, corredati da slides.

Il percorso di apprendimento solitamente è intervallato da test a risposta multipla che permettono di monitorare la comprensione degli argomenti di studio e si conclude con un test pratico finale nel quale verranno valutate le competenze acquisite durante il corso.

Le lezioni più teoriche sono intervallate da alcuni semplici tutorial, pratici, in linguaggio Python.

Programma

  • Introduzione (10:52)
  • Considerazione sull’approssimazione di funzioni(6:50)
  • Tipologia di Algoritmi (6:36)
  • Introduzione a Python (3:51)
  • Regressione Lineare (4:03)
  • Funzione di Loss (5:39)
  • Gradient Descent (15:37)
  • Regressione Lineare da Scratch (3:07)
  • Regressione Multivariata (6:05)
  • Regressione Polonomiale (5:26)
  • Regressione Polonomiale da Scratch (2:08)
  • Bias Variance (12:58)
  • Regolarizzazione (8:02)
  • Regressione Logistica (6:54)
  • Regressione Logistica da Scratch (2:06)
  • Considerazioni sulla Regressione Logistica (9:16)
  • Cross Entropy (3:37)
  • Regressione Softmax (8:07)
  • Performance e Metrics (13:39)
  • Resampling Methods (10:20)
  • Pre-processing (12:41)
  • Balancing (5:22)
  • Pipeline(5:03)
  • Case Study (3:34)
  • K-Nearest Neighbors (k-NN) (5:40)
  • Naive Bayes (8:03)
  • Support Vector Machines (SVM) parte 1 (9:44)
  • Support Vector Machines (SVM) parte 2 (6:14)
  • Decision Trees (11:37)
  • Metodi di Ensemble (5:40)

EDU.Labs by Computer Gross
Via del Pino 1 - 50053 Empoli (FI) - Italia - P. I. 04801490485 - C.F. 02500250168
info@educationlabs.it | 0571 997787