Tutorial di Data Science

Esplora i tipi di modelli a equazioni strutturali. Impara a formulare ipotesi teoriche, costruire un modello ipotizzato, valutarne l’aderenza e interpretarne i risultati nel modeling a equazioni strutturali.

Usa i t-test con campioni piccoli o varianza sconosciuta, e gli Z-test quando i campioni sono grandi e la varianza è nota.

Questo articolo spiega cosa sono i Notebook e perché dovresti usarli. Approfondiamo anche i notebook ospitati, che facilitano condivisione e collaborazione. L'articolo include inoltre suggerimenti, trucchi e scorciatoie da tastiera.

Scopri cos'è un file eseguibile e come convertire uno script Python in un file .exe usando PyInstaller, Nuitka e auto-py-to-exe.

Una guida visiva completa su asimmetria/curtosi, su come influenzano le distribuzioni e, in definitiva, il tuo progetto di data science.

Scopri come rilevare la multicollinearità nei modelli di regressione usando il fattore di inflazione della varianza (VIF), uno strumento diagnostico chiave. Questo tutorial spiega come si calcola il VIF, come interpretarne i valori e le tecniche per affrontare VIF elevati e migliorare l’affidabilità della modellazione di regressione.

In questo tutorial imparerai a estrarre dati dal web, a manipolarli e pulirli con la libreria Pandas di Python e a visualizzarli con la libreria Matplotlib di Python.

Una guida passo passo allo sviluppo per cofattori (sviluppo di Laplace), con le definizioni fondamentali, esempi svolti, proprietà chiave e il collegamento all’inversione di matrici tramite la matrice aggiunta.

Un’introduzione pratica alle equazioni differenziali che copre tipologie principali, classificazione, metodi di soluzione analitici e numerici e il loro ruolo reale in gradient descent, regressione e modellazione di serie temporali.

GELU è una funzione di attivazione fluida e probabilistica che supera alternative più semplici come ReLU nelle architetture di deep learning, ed è diventata la scelta predefinita nei modelli transformer come BERT e GPT.

Una guida concettuale al kernel trick: cos'è, come abilita le SVM e altri modelli basati su kernel, e quando usarlo rispetto ad altri approcci alla modellazione non lineare.

Guida pratica al test di Kruskal-Wallis: cos’è, come funziona, quando preferirlo all’ANOVA e come eseguirlo e interpretarlo in Python e R.