Tutorial di Machine Learning

Impara il feature engineering con questa guida pratica. Esplora tecniche come encoding, scaling e gestione dei valori mancanti in Python.

Scopri in dettaglio il funzionamento interno del gradient boosting senza troppi mal di testa matematici e come regolare gli iperparametri dell’algoritmo.

Esplora l'architettura dei Transformer, i modelli che hanno rivoluzionato la gestione dei dati tramite meccanismi di self-attention.

I modelli di machine learning sono potenti ma difficili da interpretare. I valori SHAP possono aiutarti a capire come le caratteristiche del modello influenzano le previsioni.

Questo articolo spiega come e quando usare la classificazione k-nearest neighbors con scikit-learn. Focus su concetti, workflow ed esempi. Trattiamo anche le metriche di distanza e come selezionare il valore migliore di k tramite cross-validation.

In questo tutorial, scopri come applicare il clustering k-means con scikit-learn in Python

Isolation Forest è un algoritmo di machine learning non supervisionato che identifica anomalie o outlier isolandoli tramite partizionamenti casuali in una collezione di alberi decisionali.

Un tutorial su scikit-learn facile da seguire che ti aiuterà a iniziare con il machine learning in Python.

Scopri le funzioni di perdita nel machine learning, la differenza tra loss e cost function, i tipi come MSE e MAE e le loro applicazioni nei compiti di ML.

Scopri come funzionano i perceptroni multistrato nel deep learning. Comprendi layer, funzioni di attivazione, backpropagation e SGD con indicazioni pratiche.

Scopri cos'è la stima di massima verosimiglianza (MLE), comprendine le basi matematiche, guarda esempi pratici e impara a implementarla in Python.

Scopri la PCA e come può essere sfruttata per estrarre informazioni dai dati senza supervisione usando due dataset popolari: Breast Cancer e CIFAR-10.