Vai al contenuto principale
HomePython

Corso

Apprendimento supervisionato con scikit-learn

IntermedioLivello di competenza
Aggiornato 12/2025
Sviluppa le tue competenze di machine learning con scikit-learn in Python. Usa dataset reali in questo corso interattivo e realizza previsioni efficaci.
Inizia il corso gratis
PythonMachine Learning
4 h
15 video
49 Esercizi
4,050 XP
280K+
Attestato di conseguimento

Crea il tuo account gratuito

Continua con GoogleMostra più opzioni

o


Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.

Preferito dagli studenti di migliaia di aziende

Group

Formare un team?

Prova per il Business

Descrizione del corso

Sviluppa le tue competenze di Machine Learning con scikit-learn e scopri come usare questa libreria Python molto diffusa per addestrare modelli con dati etichettati. In questo corso imparerai a fare previsioni efficaci, ad esempio se un cliente abbandonerà il tuo servizio, se una persona ha il diabete e persino a classificare il genere di una canzone. Utilizzando insiemi di dati reali, vedrai come costruire modelli predittivi, ottimizzarne i parametri e valutare come si comporteranno su dati mai visti.I video includono trascrizioni in tempo reale che puoi mostrare cliccando "Show transcript" in basso a sinistra nei video. Il glossario del corso si trova a destra nella sezione delle risorse.Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione cliccando sul riquadro dei crediti CPE sulla destra.

Prerequisiti

Introduction to Statistics in Python
1

Classificazione

In questo capitolo ti verranno presentati i problemi di classificazione e imparerai a risolverli con tecniche di apprendimento supervisionato. Imparerai a suddividere i dati in training e test set, addestrare un modello, fare previsioni e valutarne l'accuratezza. Scoprirai il rapporto tra complessità del modello e prestazioni, applicando quanto appreso a un insieme di dati di churn, in cui classificherai lo stato di abbandono dei clienti di un'azienda di telecomunicazioni.
Inizia il capitolo
2

Regressione

In questo capitolo verrai introdotto alla regressione e costruirai modelli per prevedere i valori di vendita utilizzando un insieme di dati sulla spesa pubblicitaria. Imparerai il funzionamento della regressione lineare e le metriche di prestazione più comuni, come R-squared e root mean squared error. Eseguirai una cross-validation a k fold e applicherai la regolarizzazione ai modelli di regressione per ridurre il rischio di overfitting.
Inizia il capitolo
3

Ottimizzazione del modello

Dopo aver addestrato i modelli, imparerai a valutarli. In questo capitolo ti verranno presentate diverse metriche e una tecnica di visualizzazione per analizzare le prestazioni dei modelli di classificazione con scikit-learn. Imparerai anche a ottimizzare i modelli di classificazione e regressione tramite il tuning degli iperparametri.
Inizia il capitolo
Apprendimento supervisionato con scikit-learn
Corso
completato

Ottieni Attestato di conseguimento

Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CV
Condividila sui social e nella valutazione delle tue performance
Iscriviti ora

Unisciti a oltre 19 milioni di studenti e inizia Apprendimento supervisionato con scikit-learn oggi!

Crea il tuo account gratuito

Continua con GoogleMostra più opzioni

o


Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.