Per seguire il modulo SVM sono necessarie competenze preliminari specifiche di Python, Pandas, Numpy, Scikit-learn, Data Visualization.
MODULO DIDATTICO
SVM
Esplorazione delle SVM, con introduzione, kernel, visualizzazione dei vettori di supporto e applicazione pratica.
LIVELLO
Da Beginner ad Advanced
PREREQUISITI
Python per la ds, Pandas, Numpy, Scikit-learn, Data visualization
DURATA TOTALE
2 ore
LEZIONI
100% on demand
PUOI TROVARE
QUESTO MODULO DIDATTICO IN
- DURATA TOTALE:20 ORE
- LIVELLO:Intermedio
- PREREQUISITO:Skill su Python, Pandas, Numpy, Scikit-learn, Data visualization
297€
Descrizione
Concetti fondamentali delle macchine a vettori di supporto (SVM). Inizia con un’introduzione alle SVM e prosegue con un approfondimento sui kernel, essenziali per gestire dati non lineari. Include una guida dettagliata su come visualizzare i vettori di supporto.
Conclude con un’applicazione pratica per classificare brand automobilistici utilizzando HOG e SVM, combinando teoria e pratica per una comprensione completa.
Elenco lezioni del modulo
- Introduzione a SVM
- Approfondimento su Kernel
- Visualizzare i vettori di supporto
- Classificare brand automobilistici con SVM