Corso Online: Il Machine Learning con Python
Corso
Online
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Livello
Livello base
-
Metodologia
Online
-
Ore di lezione
12h
-
Durata
Flessible
Sai cosa accomuna il successo dei più grandi colossi del web come Google, Amazon e Facebook ? L’utilizzo che hanno fatto del machine learning, ovvero la branca dell’intelligenza artificiale che ha lo scopo di insegnare ai computer ad apprendere autonomamente, senza essere esplicitamente programmati.
Il machine learning non è una novità, ma è finito sotto la luce dei riflettori solo con il nuovo millennio, per l’enorme quantità di dati oggi disponibile sul web e per il progresso della tecnologia e il crescente aumento della potenza di calcolo.
Questi due fattori, uniti alle sue innumerevoli applicazioni commerciali, stanno contribuendo alla crescita vertiginosa del machine learning che sta trascinando con se lintero campo dell’intelligenza artificiale.
Informazioni importanti
Prezzo per gli utenti Emagister: Prezzo con promozione 29,90 euro
Profilo del corso
In questo corso pratico imparerai come funziona il machine learning e come utilizzarlo in maniera pratica, utilizzando il linguaggio Python e librerie popolari come Scikit-learn, Pandas e PyPlot.
Il corso è rivolto a tutti coloro i quali hanno curiosità sul tema o vogliono approfondire meglio questo argomento con spunti e strategie pratiche.
A termine del corso sarà possibile scaricare un certificato di frequenza personalizzato.
Da oltre 10 anni IGEA è attiva con ottimi risultati nella formazione. I corsi di formazione di IGEA si caratterizzano per l'alta qualità dei contenuti e della formazione, risultato di una attento processo di selezione dei docenti e di cura nella realizzazione dei contenuti. I corsi online di IGEA sono disponibili per sempre e l'allievo può seguire le lezioni per innumerevoli volte, anche a distanza di tempo. La formazione di IGEA, anche online, è mirata al SAPER FARE, con l'obiettivo finale di accrescere le competenze degli allievi, spendibili subito professionalmente.
Subito dopo aver ricevuto la tua richiesta la segreteria di IGEA ti contatterà per rispondere a tutte le tue domande e guidarti nella procedura di iscrizione e di pagamento.
Opinioni
Successi del Centro
Tutti i corsi devono essere aggiornati
La media delle valutazioni dev'essere superiore a 3,7
Più di 50 opinioni degli ultimi 12 mesi
14 anni del centro in Emagister.
Materie
- Informatica e tecnologia
- Intelligenza artificiale
- Python
- Machine Learning
- Programmazione
Professori
IGEA Centro Promozione Salute
Formazione
Programma
Cap.01 Introduzione
- Lezione 1.1 Perche? l'AI è hot | 07:35 minuti
- Lezione 1.2 Cos'e? il Machine Learning | 05:21 minuti
- Lezione 1.3 Cos'e? la Data Science | 06:35 minuti
- Lezione 1.4 Come funziona il Machine Learning | 06:46 minuti
- Lezione 1.5 Le tecniche del Machine Learning | 04:20 minuti
- Lezione 1.6 Scegli il tuo ambiente di lavoro | 09:23 minuti
Cap.02 Il Dataset
- Lezione 2.1 Dataset strutturati | 04:13 minuti
- Lezione 2.2 Dataset non strutturati | 09:17 minuti
- Lezione 2.3 Analisi di un dataset con Pandas | 22:30 minuti
- Lezione 2.4 Tipi di Dati | 04:37 minuti
- Lezione 2.5 Label e One-Hot Encoding | 09:04 minuti
- Lezione 2.6 Gestire Dati Mancanti | 05:23 minuti
- Lezione 2.7 Portare il Dataset sulla stessa scala | 04:17 minuti
- Lezione 2.8 Normalizzazione e Standardizzazione di un Dataset con Pandas | 08:22 minuti
- Lezione 2.9 Splitting del Dataset | 02:23 minuti
- Lezione 2.10 TrainTest split con scikit-learn | 05:36 minuti
Cap.03 Apprendimento Supervisionato - Regressione
- Lezione 3.1 Regressione Lineare | 05:11 minuti
- Lezione 3.2 La Funzione di Costo | 03:25 minuti
- Lezione 3.3 L'Apprendimento dei Pesi tramite Gradient Descent | 04:36 minuti
- Lezione 3.4 Regressione Lineare Semplice in Python | 08:50 minuti
- Lezione 3.5 Regressione Lineare Multipla | 02:31 minuti
- Lezione 3.6 Regressione Lineare Multipla in Python | 12:16 minuti
- Lezione 3.7 Regressione Polinomiale | 02:42 minuti
- Lezione 3.8 Regressione Polinomiale in Python | 08:42 minuti
Cap.04 Regolarizzazione e Modelli Regolarizzati
- Lezione 4.1 Il Problema dell'Overfitting | 03:54 minuti
- Lezione 4.2 Riconoscere l'Overfitting | 05:10 minuti
- Lezione 4.3 Regolarizzazione L1 e L2 | 03:05 minuti
- Lezione 4.4 Ridge, Lasso ed ElasticNet | 07:39 minuti
Cap.05 Apprendimento Supervisionato - Classificazione
- Lezione 5.1 Regressione Logistica | 10:07 minuti
- Lezione 5.2 Regressione Logistica in Python | 12:53 minuti
- Lezione 5.3 Classificazione Multiclasse | 03:25 minuti
- Lezione 5.4 Classificazione OneVSAll con scikit-learn | 11:41 minuti
Cap.06 Modelli di Classificazione Non Lineari
- Lezione 6.1 K-Nearest Neighboor (K-NN) | 04:19 minuti
- Lezione 6.2 K-NN in Python | 11:55 minuti
- Lezione 6.3 Alberi Decisionali | 08:03 minuti
- Lezione 6.4 Alberi Decisionali in Python | 09:53 minuti
- Lezione 6.5 Foreste Casuali | 02:33 minuti
- Lezione 6.6 Foreste Casuali in Python | 04:24 minuti
- Lezione 6.7 Macchine a Vettori di Supporto (SVM) | 03:31 minuti
- Lezione 6.8 SVM in Python | 10:24 minuti
- Lezione 6.9 Kernel SVM | 06:16 minuti
- Lezione 6.10 Kernel SVM in Python | 08:04 minuti
- Lezione 6.11 Reti Neurali Artificiali (ANN) | 08:21 minuti
- Lezione 6.12 Addestramento di una Rete Neurale tramite Backpropagation | 06:20 minuti
- Lezione 6.13 Percettrone Multistrato in Python | 12:42 minuti
Cap.07 Tecniche di Validazione e Ottimizzazione
- Lezione 7.1 Batch, Stochastic e Mini Batch Gradient Descend | 07:46 minuti
- Lezione 7.2 Stochastic e Mini Batch Gradient Descend con scikit-learn | 19:38 minuti
- Lezione 7.3 Tecniche di Cross Validation | 09:00 minuti
- Lezione 7.4 K-Fold Cross Validation in Python | 07:40 minuti
- Lezione 7.5 Ottimizzazione degli Iperparametri | 07:09 minuti
- Lezione 7.6 Grid e Random Search in Python | 06:35 minuti
Cap.08 Apprendimento Non Supervisionato - Clustering
- Lezione 8.1 K-Means Clustering | 08:06 minuti
- Lezione 8.2 K-Means in Python | 11:07 minuti
- Lezione 8.3 Clustering Gerarchico | 11:18 minuti
- Lezione 8.4 Clustering Gerarchico in Python | 12:20 minuti
- Lezione 8.5 DBSCAN | 11:05 minuti
- Lezione 8.6 DBSCAN in Python | 07:56 minuti
Cap.09 Riduzione della Dimensionalità
- Lezione 9.1 Principal Component Analysis | 12:29 minuti
- Lezione 9.2 PCA per visualizzare il dataset | 05:17 minuti
- Lezione 9.3 Selezionare il numero di componenti principali | 04:30 minuti
- Lezione 9.4 PCA per velocizzare l'addestramento | 11:04 minuti
- Lezione 9.5 Kernel PCA | 09:16 minuti
- Lezione 9.6 Linear Discriminant Analysis | 06:51 minuti
- Lezione 9.7 Confrontare PCA e LDA | 13:36 minuti
Cap.10 Conclusione
- Lezione 10.1 I Tuoi Prossimi Passi | 04:53 minuti
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Corso Online: Il Machine Learning con Python