Tutorial di Data Science

Scopri la Market Basket Analysis e l’algoritmo APRIORI che la supporta. Vedrai come sta aiutando i retailer a far crescere il business prevedendo quali articoli i clienti acquistano insieme.

In questo tutorial imparerai cos'è una catena di Markov e la userai per analizzare i dati sulla velocità di vendita in R.

Impara cosa sono le catene di Markov, le loro proprietà, le matrici di transizione e implementane una tu stesso in Python!

Esplora i fondamenti della backpropagation nelle reti neurali con una guida pratica all’addestramento e alla valutazione di un modello per un caso d’uso di classificazione di immagini.

Esplora le basi di Shiny per Python per iniziare subito a creare dashboard e applicazioni web interattive con questa nuova libreria!

Scopri tutto sulle matrici in R: come nominare righe e colonne, accedere agli elementi e svolgere operazioni come addizione, sottrazione, moltiplicazione e divisione.

Scopri come valutare l’accuratezza del tuo modello usando l’errore assoluto medio. Capisci quando e perché usare il MAE per rendere più affidabili le tue decisioni data-driven.

Scopri l’algoritmo mean shift clustering, i suoi vantaggi, le applicazioni reali e un’implementazione passo passo in Python. Confrontalo con K-means per capire le differenze chiave.

In questo tutorial imparerai a unire più dataset in R.

La distanza di Minkowski è un modo per misurare il percorso rettilineo o curvilineo tra due punti, a seconda di un parametro scelto che ne influenza la forma. Continua a leggere per scoprire i fondamenti, le applicazioni e i confronti della distanza di Minkowski in vari campi.

In questo tutorial imparerai a compilare i valori null, a preprocessare i dati, a ridurre la dimensionalità con la PCA e a suddividere i dati usando la K-Fold.

In questo tutorial, costruirai quattro modelli usando gli algoritmi di machine learning Latent Dirichlet Allocation (LDA) e clustering K-Means.