Ritorna al Corso
Machine Learning con Python
Completamento: 0%
0/0 Steps
-
INTRODUZIONE AL CORSO - TEASER GRATUITO [CINTURA BIANCA]1.A - Introduzione al corso6 Lezioni
-
1.B - Introduzione al Machine Learning6 Lezioni|1 Quiz
-
MACHINE LEARNING [CINTURA GIALLA]2.A - Apprendimento Supervisionato - Regressione11 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
-
Presentazione modulo 2 [ml1]
-
2.B - Apprendimento supervisionato - Classificazione14 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
-
Introduzione sezione B
-
2.C - Ottimizzazione e Validazione del modello7 Lezioni
-
2.D - Apprendimento non supervisionato - Clustering7 Lezioni
-
2.E - Riduzione della dimensionalità7 Lezioni|1 Quiz
-
NATURAL LANGUAGE PROCESSING [CINTURA ARANCIONE]3.A - Natural languages processing10 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)
-
Presentazione modulo 3
-
3.B - Sentiment Analysis6 Lezioni|1 Quiz
-
DEEP LEARNING [CINTURA VERDE]4.A - Deep neural network14 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
-
Presentazione modulo 4
-
4.B - Convolutional neural network12 Lezioni|1 Quiz
-
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
-
Introduzione sezione B
Sezione 2,
Lezione 6
In Corso
1.10 – Concetti chiave [ml1]
Progresso Sezione
Completamento: 0%