Tutorial di Machine Learning

Questo tutorial affronta stemming e lemmatizzazione da un punto di vista pratico usando il pacchetto Python Natural Language ToolKit (NLTK).

Un tutorial su scikit-learn per prevedere le vittorie MLB per stagione, modellando i dati con un modello di clustering KMeans e modelli di regressione lineare.

In questo tutorial, proverai a capire a grandi linee come funzionano le SVM e poi le implementerai usando R.

Questa guida spiega l’intuizione matematica dietro la funzione tanh, come si confronta con sigmoid e ReLU, i suoi vantaggi e compromessi e come implementarla in modo efficace nel deep learning.

In questo tutorial imparerai a conoscere le Support Vector Machines, uno degli algoritmi di apprendimento supervisionato più popolari e utilizzati.

Visualizza i parametri di training, le metriche, gli iperparametri o qualsiasi statistica della tua rete neurale con TensorBoard!

Scopri come Textacy, una libreria Python, semplifica il preprocessing dei dati testuali per il machine learning. Scopri le sue funzioni uniche come normalizzazione dei caratteri e data masking e come si confronta con altre librerie come NLTK e spaCy.

Impara a creare una rete neurale e a come addestrarla, valutarla e ottimizzarla con TensorFlow

Impara le basi della regolarizzazione e come aiuta a prevenire l’overfitting.

Preparati alla tua prima competizione Kaggle con questo tutorial passo dopo passo.

Scopri come le learning curve possono aiutarti a valutare i tuoi dati e identificare le soluzioni ottimali.

In questo tutorial imparerai a usare una libreria davvero unica in Python, TPOT. Il motivo per cui questa libreria è unica è che automatizza l’intera pipeline di Machine Learning e ti fornisce il modello con le prestazioni migliori.