Tutorial di Machine Learning

L’apprendimento auto-supervisionato addestra i modelli a ricavare la propria supervisione da testo, immagini, audio e video non etichettati, usando tecniche come apprendimento contrastivo, masked modeling e predizione autoregressiva per costruire le rappresentazioni alla base dei moderni modelli di linguaggio, visione e multimodali.

Esplora l'architettura dei Transformer, i modelli che hanno rivoluzionato l'elaborazione dei dati grazie ai meccanismi di self-attention.

Una panoramica pratica del contrastive learning: come i modelli imparano confrontando esempi simili e dissimili, le funzioni di loss e i metodi alla base, e come implementarlo in PyTorch.

Una guida pratica al tuning degli iperparametri, che spiega come funziona, i principali metodi di ricerca (grid, random, bayesiano), le strategie di valutazione e come eseguirlo in Python e R.

Scopri l’algoritmo di reinforcement learning model-free più popolare con un tutorial in Python.

Scopri la regressione lineare, a cosa serve e come implementarla con la libreria scikit-learn. Include esempi pratici.

Scopri come una pipeline MLOps end-to-end prevede i risultati dei Mondiali 2026, dal retraining automatico e DVC a una simulazione Monte Carlo del tabellone con 10.000 iterazioni.

Come funziona la random forest regression, dove fallisce e come valutarla, ottimizzarla e interpretarla. Include un’implementazione in Python e un framework di confronto tra modelli.

Scopri cos'è la zero-shot classification, come funziona sotto il cofano con i modelli NLI, come si confronta con few-shot e fine-tuning, e come applicarla con Hugging Face Transformers.

Una guida per comprendere e implementare l'algoritmo di ricerca A* in Python. Scopri come creare soluzioni efficienti a problemi di ricerca complessi con esempi di codice pratici. Impara strategie di ottimizzazione usate in produzione.

Scopri come funziona l'algoritmo Apriori, i suoi concetti chiave e come usarlo in modo efficace per l'analisi dei dati e il decision-making.

Scopri tecniche, applicazioni e strumenti di data augmentation con un tutorial su TensorFlow e Keras.