Tutorial di Machine Learning

Scopri la regressione logistica, le sue proprietà di base e costruisci un modello di machine learning su un caso reale in Python usando scikit-learn.

Scopri cos’è l’underfitting, come diagnosticare un modello in underfitting e strategie pratiche per correggerlo, così che i tuoi modelli catturino accuratamente i pattern nei dati e forniscano previsioni affidabili.

In questo tutorial imparerai la frequenza assoluta e ponderata delle parole nel text mining e come calcolarla con defaultdict e DataFrame di pandas.

Scopri l’active learning, un caso di machine learning semi-supervisionato: dalla definizione e dai benefici, alle applicazioni e alla ricerca moderna su di esso.

Scopri la tecnica di ottimizzazione Adagrad, con i suoi principali vantaggi, limiti, implementazione in PyTorch e casi d’uso per ottimizzare i modelli di machine learning.

Comprendi e implementa l'ottimizzatore Adam in Python. Impara l'intuizione, la matematica e le applicazioni pratiche nel machine learning con PyTorch

Il tutorial su Apache Spark ti introduce all’elaborazione di big data, all’analisi e al ML con PySpark.

Scoprire pattern nascosti in Python con il mining di regole associative

In questo tutorial imparerai a usare un autoencoder come classificatore in Python con Keras. Userai il dataset Fashion-MNIST come esempio.

Scopri l’automated machine learning e come realizzarlo con auto-keras.

Scopri come eseguire la convalida di dati e modelli per garantire prestazioni robuste di machine learning con la nostra guida passo passo all’automazione dei test con DeepChecks.

Questo tutorial completo ti insegna a usare AWS SageMaker per creare, addestrare e distribuire modelli di machine learning. Ti guidiamo in tutto il workflow, dalla configurazione dell’ambiente AWS e la creazione di un’istanza notebook SageMaker fino alla preparazione dei dati, all’addestramento dei modelli e alla loro distribuzione come endpoint.