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.

View Corso details

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!

Contenuto del Corso

Espandi tutto

INTRODUZIONE AL CORSO - TEASER GRATUITO [CINTURA BIANCA]

1.A – Introduzione al corso 6 Lezioni Esempio Sezione

Expand

Sezione Content

0% Complete 0/6 Steps

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

Expand

Sezione Content

0% Complete 0/6 Steps

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

Expand

Sezione Content

0% Complete 0/11 Steps

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

Expand

Sezione Content

0% Complete 0/14 Steps

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

Expand

Sezione Content

0% Complete 0/7 Steps

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

Expand

Sezione Content

0% Complete 0/7 Steps

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

Expand

Sezione Content

0% Complete 0/7 Steps

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

Expand

Sezione Content

0% Complete 0/10 Steps

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

Expand

Sezione Content

0% Complete 0/6 Steps

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

Expand

Sezione Content

0% Complete 0/14 Steps

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

Expand

Sezione Content

0% Complete 0/12 Steps

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

+17 enrolled

Not Enrolled

INIZIA QUESTO CORSO

Corso Includes

11 Sezioni
100 Lezioni
5 Quiz
Corso Certificate

"Ho seguito il corso Google Ads ed è davvero ben fatto, viene spiegato tutto, dalle basi come creazione dell'account, fatturazione... per arrivare alle cose più complesse come le strategie di offerta, ottimizzazione, remarketing ecc... tutto spiegato molto chiaramente. Utili i quiz alla fine di ogni capitolo in modo da capire se si sono apprese le nozioni in modo chiaro o se è necessario ripetere qualche lezione. Consiglio il corso sia a chi è alle prime armi sia a chi già conosce Google Ads ma vuole apprendere qualcosa in più ed usarlo nella propria professione."

"Sto frequentando il corso su Google Ads ed è davvero super! Quando ho letto che a tenerlo è un ex dipendente di Google ho pensato fosse già una buona premessa, trasformatasi poi subito in una certezza vista la precisione e la semplicità con cui le cose vengono spiegate, molto soddisfatto davvero!"

"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.

Mi sono iscritto ai corsi di Data Science con un abbonamento e mi sono divertito moltissimo. Cercavo corsi chiari, di buon ritmo, ben strutturati. Siccome da tempo lavoro nel campo, non mi sarei accontentato di 4 chiacchiere. Quello che ho imparato mi ha fatto fare un passo avanti ed ora quando lavoro sui dati mi sento molto più sicuro e la qualità dei risultati è aumentata. Ho esteso l'abbonamento per curiosare su altre discipline viste le premesse molto interessanti.