Machine Learning da zero con Python

About Machine Learning da zero con Python

Tutti parlano di

Machine Learning

ma capiamo davvero di cosa si tratta? Quali sono le basi? Come possiamo creare i nostri algoritmi? Perché è importante saperlo? In questo corso spiegheremo i concetti più importanti che dobbiamo conoscere sul Machine Learning in modo pratico e divertente. Passeremo poco a poco da concetti semplici ad aspetti più complessi, in modo che tu possa imparare in modo facile e intuitivo. Il corso è progettato in modo che tu possa imparare da zero, senza la necessità di avere una conoscenza preliminare di questo mondo. Il corso è strutturato come segue:

Programmazione di base in

Python

, dove vedremo gli aspetti di base che devi gestire in Python per seguire il corso

Pandas

handling, che ci aiuterà con tutte le precedenti elaborazioni dei dati di cui abbiamo bisogno per addestrare i nostri modelli di Machine Learning

Imparerai ad usare

Numpy

, una libreria ampiamente utilizzata quando lavori con vettori e matrici in Python

Introduzione al machine learning. In questa sezione introduttiva capirai perché è importante conoscere questa tecnologia che sta rivoluzionando il mondo e vedremo esempi di applicazioni

Come viene costruito un modello di Machine Learning? Vedrai passo dopo passo cosa è necessario per creare i tuoi algoritmi di machine learning

Apprendimento supervisionato

, studieremo cos'è, come possiamo usarlo e implementeremo un esempio da zero usando Python

Apprendimento senza supervisione

Vedremo alcuni dei metodi più utilizzati e implementeremo alcuni esempi utilizzando librerie popolari come Scikit Learn

Reti neurali

. In questo modulo spiegheremo cosa sono le reti neurali e come possiamo implementarle utilizzando librerie popolari come: TensorFlow, Keras e Scikit Learn. Vedremo anche un esempio reale di come risolvere un problema di classificazione nel settore della moda, applicando reti neurali con TensorFlow.

Deep Learning

, vedremo un'introduzione di base a cos'è il Deep Learning e implementeremo il nostro primo algoritmo utilizzando reti neurali convoluzionali.