SCONTO 50%

15 ORE DI FORMAZIONE COMPLETA A 79€

Machine Learning Foundations

Entra nel mondo del Machine Learning e impara a progettare ed implementare tutti gli algoritmi essenziali per diventare un professionista.

"Il machine learning è la forza trainante della rivoluzione tecnologica che plasmerà il nostro futuro."

Andrew Ng

L'era del Machine Learning

Un viaggio che parte da lontano e che oggi vive il salto tecnologico
che ci sta portando nel futuro

LEARN BY DOING

Diventa un esperto nella progettazione di algoritmi di ML attraverso esercitazioni pratiche guidate su ogni tipo di algoritmo.

IMPARA DA ESPERTI

Il tuo docente è un professionista del settore con grande esperienza nella didattica sulla progettazione di algoritmi di machine learning

QUANDO VUOI

Lezioni on-demand
100% online. Accesso illimitato a tutte le lezioni, le risorse e i Jupyter utilizzati nel corso

20 ORE

54 LEZIONI

20 ESERCITAZIONI

Passa al livello successivo

Progettato per farti raggiungere rapidamente il livello esperto in ML

Alla fine di Machine Learning Foundations sarai in grado di progettare, implementare e misurare algoritmi di machine learning con sicurezza e competenza.

Sarai in grado di riconoscere le diverse sfide del machine learning e di applicare le tecniche migliori per affrontarle.

IL PROGRAMMA

Cosa imparerai?

Machine Learning Foundations copre tutte le tecniche fondamentali. Dall’apprendimento supervisionato all’utilizzo di algoritmi come k-means e db-scan per il clustering, e tecniche come PCA e t-SNE per la riduzione della dimensionalità.

Il corso approfondisce anche modelli di classificazione probabilistica come Naive Bayes, algoritmi come K-Nearest Neighbors (KNN) e Support Vector Machines (SVM), e modelli di ensemble come Random Forest e Gradient Boosting. Viene data importanza anche alla selezione delle caratteristiche e alle metriche di valutazione delle prestazioni. Una formazione completa per diventare un esperto di machine learning.

Introduzione al Machine Learning

Introduzione al corso 6 min
Introduzione al Machine Learning 38 min
Processo di implementazione 33 min
No Free Lunch Theorem 9 min
Regressione lineare 17 min
SGDRegressor e LinearRegression 7 min
Regressione logistica 12 min
LogisticRegression e make_pipeline 5 min

Clustering

Clustering 9 min
K-Means 12 min
DB-Scan 15 min
Esercitazione K-Means 35 min
Esercitazione DB-Scan 31min

Dimensionality Reduction

Dimensionality Reduction 13 min
PCA – Principal Component Analysis 37 min
t-SNE 18 min
Esercitazione 1 – PCA 25 min
Esercitazione 2 – PCA 21 min
PCA vs t-SNE 59 min

Naive Bayes

Introduzione e concetti base su Naive Bayes 15 min
Naive Bayes per la spam detection 18 min
Approfondimento Naive Bayes 8 min
Bernoulli Naive Bayes 16 min
Gaussian Naive Bayes 3 min
Gaussian Naive Bayes from scratch 41 min
Multinomial Naive Bayes e Bag of Words 17 min
Naive Bayes per MNIST 98 min

KNN

KNN 7 min
Esercitazione KNN 10 min
KNN – Mahalanobis vs. Euclidean 17 min
KNN e Distanze 30 min

SVM

Introduzione a SVM 12 min
Approfondimento su Kernel 32 min
Visualizzare i vettori di supporto 54 min
Classificare brand automobilistici con SVM 47 min

Alberi Decisionali e Modelli di Ensemble

Alberi Decisionali 18 min
Gini impurity 33 min
Entropy and Information Gain in Decision Trees 29 min
Alberi decisionali su dataset Iris 17 min
Partizionamento spazio decisionale con alberi 42 min
Ensemble learning e random forest 12 min
Random Forest su dataset Bill Authentication 16 min
Boosting 5 min
Adaboost 14 min
Gradient Boosting 10 min
Esercitazione Gradient Boosting 12 min
Cenni su XGBoost 7 min
Esercitazione con XGBoost 15 min
Cenni su Catboost 8 min
Catboost su dataset Titanic 19 min
Esercitazione su algoritmi di ensemble 90 min

Metriche per Algoritmi di Machine Learning

Metriche per la classificazione e regressione 38 min
Esercitazione metriche classificatori 37 min
Metriche per la classificazione 37 min

PER CHI È MACHINE LEARNING FOUNDATIONS?

Questo corso fa per te se...

BEGINNER

desideri immergerti nel mondo del Machine Learning partendo da zero per acquisire una comprensione solida degli algoritmi essenziali e imparare a implementarli con successo.

PROFESSIONISTA IT

hai già una base di programmazione e cerchi un corso intensivo che ti permetta di padroneggiare il Machine Learning per mantenerti al passo con l’innovazione tecnologica.

DATA ANALYST

hai esperienza con l’analisi di dati e vuoi ampliare le tue competenze con la conoscenza del Machine Learning per poter applicare tecniche avanzate di analisi, come la clusterizzazione e la riduzione della dimensionalità.

MACHINE LEARNING ENGINEER

stai cercando un corso che ti fornisca una formazione completa, dall’apprendimento supervisionato e non supervisionato, passando per gli algoritmi di classificazione, fino alla valutazione delle prestazioni.

20 ESERCITAZIONI HERO LEVEL IN MACHINE LEARNING

Alcune delle esercitazioni guidate di Machine Learning Foundations
con le quali potrai acquisire velocemente le nuove skills

ESERCITAZIONE SU K MEANS

K-Means per il clustering

Come utilizzare l’algoritmo K-means per raggruppare i dati in cluster in base alle loro caratteristiche simili, permettendoci di ottenere una migliore comprensione della struttura dei dati.

ESERCITAZIONE NAIVE BAYES PER MNIST

Naive Bayes per predizioni

Un algoritmo semplice come Naive Bayes nelle sue varie implementazioni può essere usato non solo per fare delle predizioni sul dataset MNIST ma anche per generare nuovi dati che somigliano a quelli del dataset

ESERCITAZIONE SU KNN

K-Nearest Neighbors per costruire un classificatore sul dataset Wine

Applicazione di KNN per classificare i vini in base alle loro caratteristiche chimiche. Misurazione delle performance e accuratezza del classificatore attraverso l’analisi della matrice di confusione.

ESERCITAZIONE SU CLASSIFICAZIONE DI IMMAGINI

Support Vector Machine per Image Recognition

Approfondimento ed esercitazione su SVM e concetti fondamentali come scalare, lagrangiano e kernel.

ESERCITAZIONE SU MODELLI DI ENSEMBLE

Modelli di ensemble su un dataset medico

Data preprocessing e costruzione di un modello di ensemble su un dataset contenente informazioni su una serie di pazienti col fine di prevedere se sono a rischio ictus; tecniche di preprocessing e data augmentation per pulire ed espandere il nostro dataset e varie tecniche di ensemble per creare modelli predittivi

ESERCITAZIONE SU XGBOOST

XGBoost su Boston Housing Dataset

In questa esercitazione testerai un servizio per avere informazioni e statistiche sulle partite di calcio di svariate serie nazionali. Utilizzeremo la libreria requests, i token di autenticazione e svariati endpoint per dare un’idea di cosa è possibile fare con solo poche righe di codice.

IMPARA DAI MIGLIORI ESPERTI ITALIANI

Chi sarà il tuo docente?

Giuseppe Mastrandrea

Machine Learning Engineer

Giuseppe è un Ingegnere Informatico con una forte specializzazione e pubblicazioni in ambito Computer Vision.

Da circa 8 anni si dedica all’insegnamento in ambito informatico e alla formazione sulle tecnologie emergenti tra le quali il Machine Learning.

Ottieni la Certificazione

Al termine del Corso riceverai una Certificazione di Completamento che attesta le ore di formazione svolte e le nuove competenze acquisite. Aggiungendola sul CV e LinkedIn potenzierai immediatamente il tuo profilo con una delle skills
più richieste dalle aziende.

Iscriviti subito al corso COMPLETO