Machine Learning con Python: il Corso Pratico

Contenido del curso
Benvenuto nel futuro !
Perchè l'AI è hot ?
Cosa è il machine learning...
.. e la data science ?
Come funziona il machine learning ?
Le tecniche del machine learning
Scegli il tuo ambiente di lavoro
Prima di cominciare
Dataset strutturati
Dataset non strutturati
Analisi di un dataset con Pandas
Tipi di dati
Label encoding e one-hot encoding
Gestire dati mancanti
Portare il dataset sulla stessa scala
Normalizzazione e standardizzazione di un dataset con Pandas
Splitting del dataset
Train/Test split con scikit-learn
Regressione lineare
La funzione di costo
L'apprendimento dei pesi tramite Gradient Descent
Regressione lineare semplice in Python
Regressione lineare multipla
Regressione lineare multipla in Python
Regressione polinomiale
Regressione polinomiale in Python
Il problema dell'overfitting
Riconoscere l'overfitting
Regolarizzazione L1 ed L2
Ridge, Lasso ed ElasticNet
Regressione logistica
Regressione logistica in Python
Classificazione multiclasse
Classificazione OneVSAll con scikit-learn
K-Nearest Neighbor (K-NN)
K-NN in Python
Alberi decisionali
Alberi decisionali in Python
Foreste casuali
Foreste casuali in Python
Macchine a vettori di supporto (SVM)
SVM in Python
Kernel SVM
Kernel SVM in Python
Reti neurali artificiali (ANN)
Addestramento di una rete neurale tramite backpropagation
Percettrone Multistrato in Python
Batch, Stochastic e Mini Batch Gradient Descend
Stochastic e Mini Batch Gradient Descend con scikit-learn
Tecniche di cross validation
K-fold cross validation in Python
Ottimizzazione degli iperparametri
Grid search e Random search in Python
K-means Clustering
K-means in Python
Clustering Gerarchico
Clustering Gerarchico in Python
DBSCAN
DBSCAN in Python
Principal Component Analysis
PCA per visualizzare il dataset
Selezionare il numero di componenti principali
PCA per velocizzare l'addestramento
Kernel PCA
Linear Discriminant Analysis
Confrontare PCA e LDA
I tuoi prossimi passi