Tutorial 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.

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

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.

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

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.

Scopri cos'è una funzione obiettivo, come funziona nell'ottimizzazione e nel machine learning, e come definirla e interpretarla con esempi reali.

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.

Il metodo di Newton è un algoritmo iterativo per trovare radici che usa approssimazioni tramite tangenti per avvicinarsi alla soluzione di equazioni senza risposta in forma chiusa.

Il test U di Mann-Whitney è un test non parametrico basato sui ranghi per confrontare due gruppi indipendenti quando i dati non soddisfano l'assunzione di normalità richiesta dal t-test.

Scopri come la regressione polinomiale aiuta a modellare relazioni non lineari e a migliorare l'accuratezza predittiva nei dataset reali.

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.