Data Science & AI,

Machine Learning con Python

Grazie a questo corso avanzato, imparerai le principali tecniche di Machine Learning, Natural Language Processing e reti neurali artificiali. Potrai utilizzare Python per risolvere problemi complessi di Machine Learning. Imparerai ad eseguire il Sentiment Analysis, ad ottimizzare i modelli per migliorare la qualità della predizione e avrai tutti gli strumenti per decidere come affrontare un qualsiasi problema di Data Science.

Visualizza i Dettagli del Corso

Riccardo Galeotti

Machine Learning con Python – Dalla A alla Z

Il corso Machine Learning con Python: dalla A alla Z di DigitalDojo.it ti insegnerà le principali tecniche di Machine Learning, natural language processing e reti neurali. Potrai utilizzare Python per risolvere problemi complessi di Machine Learning e avrai tutti gli strumenti per decidere come affrontare un qualsiasi problema di Data Science.

SCOPRI DI PIÙ SU QUESTO CORSO!

Ciao! Puoi guardare gratis il primo modulo di questo corso e ottenere la Cintura Bianca! Clicca su “Informazioni di base” e comincia ad imparare!

Se ti piace quello che vedi e vuoi seguire il corso , acquistalo qui!

Curriculum Corso

Espandi Tutto

INTRODUZIONE AL CORSO - TEASER GRATUITO [CINTURA BIANCA]

1.A - Introduzione al corso 6 Lezioni Esempio Sezione

Espandi

Contenuto Sezione

Completamento: 0% 0/6 Lezioni

Presentazione modulo 1 [ml1]

1.1 - Perché Questo Corso? Obiettivi, Prerequisiti e Sbocchi Professionali [ml1]

1.2 - Syllabus del Corso [ml1]

1.3 - Il Sensei del Corso [ml1]

1.4 - Requisiti minimi [ml1]

1.5 - Di cosa hai bisogno per cominciare [ml1]

1.B - Introduzione al Machine Learning 6 Lezioni | 1 Quiz Esempio Sezione

Espandi

Contenuto Sezione

Completamento: 0% 0/6 Lezioni

Introduzione sezione B [ml1]

1.6 - Cos'è l'intelligenza artificiale [ml1]

1.7 - Cos'è il machine learning [ml1]

1.8 - Struttura del machine learning [ml1]

1.9 - Tipologie di algoritmi per il machine learning [ml1]

1.10 - Concetti chiave [ml1]

[Machine Learning con Python] Modulo 1 – Assessment Cintura Bianca

MACHINE LEARNING [CINTURA GIALLA]

2.A - Apprendimento Supervisionato - Regressione 11 Lezioni

Espandi

Contenuto Sezione

Completamento: 0% 0/11 Lezioni

Presentazione modulo 2 [ml1]

Obiettivi e struttura modulo 2 [ml1]

Introduzione sezione A [ml1]

2.1 - Regressione lineare

2.2 - Regressione lineare: esercitazione pratica

2.3 - Regressione lineare multipla

2.4 - Regressione lineare multipla: esercitazione pratica

2.5 - Regressione polinomiale

2.6 - Regressione polinomiale: esercitazione pratica

2.7 - Come gestire l'over fitting

2.8 - Come gestire l'over fitting: esercitazione pratica

2.B - Apprendimento supervisionato - Classificazione 14 Lezioni

Espandi

Contenuto Sezione

Completamento: 0% 0/14 Lezioni

Introduzione sezione B

2.9 - K-nearest Neighbor (KNN)

2.10 - K-nearest Neighbor (KNN): esercitazione pratica

2.11 - Modelli lineari: regressione Logistica

2.12 - Regressione Logistica: esercitazione pratica

2.13 - Regressione Logistica multi classe: esercitazione pratica

2.14 - Modelli lineari: macchine a vettori di supporto (SVM)

2.15 - SVM: esercitazione pratica

2.16 - SVM per modelli non lineari

2.17 - SVM per modelli non lineari: esercitazione pratica

2.18 - Alberi decidionali

2.19 - Alberi decidionali: esercitazione pratica

2.20 - Foreste casuali

2.21 - Foreste casuali: esercitazione pratica

2.C - Ottimizzazione e Validazione del modello 7 Lezioni

Espandi

Contenuto Sezione

Completamento: 0% 0/7 Lezioni

Introduzione sezione C

2.22 - Mini batch gradient descend

2.23 - Mini batch gradient descend: esercitazione pratica

2.24 - Grid Search: ottimizzazione degli iperparametri

2.25 - Grid Search: esercitazione pratica

2.26 - K-Fold Validation

2.27 - K-Fold Validation: esercitazione pratica

2.D - Apprendimento non supervisionato - Clustering 7 Lezioni

Espandi

Contenuto Sezione

Completamento: 0% 0/7 Lezioni

Introduzione sezione D

2.28 - K-means

2.29 - K-means: esercitazione pratica

2.30 - Clustering Gerarchico

2.31 - Clustering Gerarchico: esercitazione pratica

2.32 - DBSCAN

2.33 - DBSCAN: esercitazione pratica

2.E - Riduzione della dimensionalità 7 Lezioni | 1 Quiz

Espandi

Contenuto Sezione

Completamento: 0% 0/7 Lezioni

Introduzione sezione E

2.34 - Principal component analysis

2.35 - PCA: esercitazione pratica - esplorazione del dataset

2.36 - PCA: esercitazione pratica - training del modello

2.37 - Linear Discriminant Analysis

2.38 - LDA: esercitazione pratica

2.39 - Concetti chiave

[Machine Learning con Python] Modulo 2 – Assessment Cintura Gialla

NATURAL LANGUAGE PROCESSING [CINTURA ARANCIONE]

3.A - Natural languages processing 10 Lezioni

Espandi

Contenuto Sezione

Completamento: 0% 0/10 Lezioni

Presentazione modulo 3

Struttura e Obiettivi Modulo 3

Introduzione sezione A

3.1 - NLP: introduzione

3.2 - Pre-processing di un testo

3.3 - Pre-processing di un testo: Regular Expression

3.4 - Vettorializzazione di un testo

3.5 - Vettorializzazione di un testo: esercitazione pratica

3.6 - NLP: esercitazione pratica

3.7 - NLP: esercitazione pratica (2)

3.B - Sentiment Analysis 6 Lezioni | 1 Quiz

Espandi

Contenuto Sezione

Completamento: 0% 0/6 Lezioni

Introduzione sezione B

3.8 - Sentiment Analysis: introduzione

3.9 - Modello Naive-Bayes

3.10 - Sentiment Analysis: esercitazione pratica

3.11 - Sentiment Analysis: Movies Review

3.12 - Concetti chiave

[Machine Learning con Python] Modulo 3 – Assessment Cintura Arancione

DEEP LEARNING [CINTURA VERDE]

4.A - Deep neural network 14 Lezioni

Espandi

Contenuto Sezione

Completamento: 0% 0/14 Lezioni

Presentazione modulo 4

Obiettivi e Struttura modulo 4

Introduzione sezione A

4.1 - Rete Neurali: introduzione

4.2 - Parallelo con il cervello umano

4.3 - Il perceptrone

4.4 - Reti feedforward

4.5 - Back propagation

4.6 - Iperparametri di una rete neurale

4.7 - Tipi di rete neurale

4.8 - Tensor flow playground

4.9 - Sci-kit learn: esempio di classificazione

4.10 - Keras: esempio di regressione

4.11 - Keras: esempio di classificazione

4.B - Convolutional neural network 12 Lezioni | 1 Quiz

Espandi

Contenuto Sezione

Completamento: 0% 0/12 Lezioni

Introduzione sezione B

4.12 - Computer vision

4.13 - Algoritmo di riconoscimento facciale

4.14 - Computer vision con reti neurali convoluzionali

4.15 - Reti neurali convoluzionali

4.16 - Convoluzione e condensazione

4.17 - Visualizzazione interattiva di una CNN

4.18 - CNN: esercitazione pratica con dataset MNIST

4.19 - CNN: database MNIST (2)

4.20 - CNN: esercitazione pratica con database CIFAR

4.21 - Concetti chiave

Video Finale

[Machine Learning con Python] Modulo 4 – Assessment Cintura Verde

[Machine Learning con Python] – Assessment Finale

Informazioni sul Sensei

Riccardo Galeotti

2 Corsi

7 iscritti

Non Iscritto

Inizia questo Corso ~~€407.38~~ €243.445 (IVA inclusa)

Corso

11 Sezioni
100 Lezioni
5 Quiz
Corso con Attestato

"Non sono solita lasciare recensioni, ma lo faccio quando troppo qualcosa che mi piace particolarmente. DigitalDojo é un'azienda giovane, ma che si sta già facendo strada nel settore con una vasta offerta di corsi utili e interessanti, da docenti preparati. Ottimo servizio, molto consigliato!"

"Ho finito di recente un corso online DigitalDojo che mi sta tornando molto utile! Consigliato a chi, come me, sta provando a lavorare da libero indipendente 👍👍"

"Corsi molto molto interessanti e utili....i miei complimenti"

"Corsi professionali, super attuali e coinvolgenti, docenti esperti. Grandissimi!"

"Ho seguito i corsi di data science e sono veramente formativi. I docenti sono davvero dei professionisti del settore, ho appreso sia nozioni pratiche che teoriche. I quiz a fine modulo sono davvero utili per verificare le competenze e le nozioni apprese durante le lezioni. Consigliatissimi!"

"Sto studiando Data Analysis per il Digital e il corso è curato al dettaglio e sto imparando ad analizzare tutti i dati della mia azienda e utilizzarli nella mia strategia digitale. Posso verificare le mie conoscenze a step grazie ai test di apprendimento, in modo da rendermi conto se qualche concetto non mi è chiaro e riprendere lo studio. Sono molto soddisfatta e lo stra-consiglio!"

"Ho seguito il percorso di formazione di data science, i corsi sono eccezionali, i docenti veri professionisti del settore, spiegano sia la teoria che la pratica. Ho trovato molto utile testare le nozioni e le competenze apprese con i quiz di fine modulo, davvero Utile. Super consigliata!"

DigitalDojo.it è un'accademia di formazione davvero all'avanguardia. Si nota una subito una cura particolare nei contenuti e nella qualità dei corsi offerti, che sono ben strutturati e con prezzi davvero buoni! In più si è seguiti da un team sempre disponibile a aiutarti. Una grande novità nell'ambito digital, pienamente soddisfatto!!

Piattaforma interessante e ricca di contenuti. Consiglio di esplorarla! Il corso di content marketing su Instagram di Davide Barbieri, come primo inizio per chi vuole capire le dinamiche del social, è molto interessante. Fornisce linee guida e consigli utili, in modo chiaro ed esaustivo.

Ho seguito i corsi di marketing e programmazione, consiglio sopratutto quello sul copywriting! Veramente un corso esaustivo e completo, molto chiaro il docente nello spiegare l'arte del copy. Super Consigliato!

Percorso formativo unico. Docenti con esperienza e qualità del servizio ottima. Seguirò altri corsi sicuramente!

Ho frequentato il corso Facebook for business di Elisabetta Macaione: chiaro, ho imparato termini e linee guida per il mio profilo Facebook e per la mia pagina aziendale e ho capito ad analizzare i dati del traffico. Da fare!!!!!

Ho seguito il Corso R:Starter kit per Data Scientist del percorso Data Science su questa piattaforma e ho trovato una grande ricchezza di contenuti ben presentati e ben organizzati. Ho molto apprezzato la “sensei” Isabela coinvolgente, precisa e capace di impostare un corso che presenta argomenti complessi in modo semplice con numerosi e proficui esempi. Questo corso rappresenta una base di informazioni fondamentale per chiunque voglia utilizzare R in modo professionale e risulta accessibile anche senza una grande esperienza di programmazione.

Ho avuto la fortuna di partecipare ad una lezione di Andrea Lisi e che dire.. sicuramente una professionalità ed una personalità al di fuori del normale! in grado di allargare le vedute del pensiero comune. personalmente molto colpito e consiglio a chiunque di dedicare del tempo ad ascoltare quello che ha da dire e fare.

Machine Learning con Python

Machine Learning con Python – Dalla A alla Z

SCOPRI DI PIÙ SU QUESTO CORSO!

Curriculum Corso

Informazioni sul Sensei

Riccardo Galeotti

Corso

LE RECENSIONI DEI NOSTRI STUDENTI

SEGUICI SUI social