Overview

Corso di Introduzione al Machine Learning con approfondimenti teorici e matematici. Contiene una parte propedeutica di programmazione in python (con attenzione alle liste in python) e vedremo le librerie pandas, numpy, matplotlib, seaborn. Ci sarà poi un veloce ripasso matematico di Algebra Lineare, di probabilità e statistica e cenni sul Gradiente.A seguire, vedremo i Metodi Parametrici di Regressione e Classificazione, studio della Loss Function, Scalamento dei dati, Feature Selection e Regolarizzazione.Vedremo anche come generare dei Grafici. Ci saranno accenni ai metodi non parametrici, KNN K-nearest neighbors ed Alberi di decisione, poi vedremo i Metodi non supervisionati, come Clustering, K-MEANS e cenni al PCA - Principal Component Analysis.Ci sarà una sezione dedicata alle SVM - Macchine a vettori di supporto (Support-Vector Machine). Una sezione sarà dedicata agli Ensemble.Una sezione sarà dedicata alle reti neurali, le ANN - Artificial Neural Networkal percettrone MLP (MLP - Multilayer perceptron) parkeremo della Backpropagation e qualche breve acenno al Deep Learning.Il tutto corredato di semplici esempi pratici e qualche piccolo progetto.Il corso è consigliato a chi ha già molta pratica con Python e sa già usare un IDE ed un ambiente di sviluppo (ad esempio Pycharm) perchè tutto il corso è impostato su Pycharm. Indicato anche a chi deve avere un'approfondimento matematico per una comprensione universitaria o più tecnica dal punto di vista matematico sul machine learning.

Skills

Reviews