Tutorial di Machine Learning

In questo tutorial imparerai a implementare le Convolutional Neural Networks (CNN) in Python con Keras e a contrastare l’overfitting con il dropout.

Scopri cosa sono le funzioni di costo e come e quando usarle. Include esempi pratici.

In questo tutorial imparerai alcuni errori in cui potresti imbatterti quando lavori a progetti di data science "nel mondo reale".

L’analisi dei cluster è un problema importante nell’analisi dei dati. I data scientist usano il clustering per identificare server malfunzionanti, raggruppare geni con pattern di espressione simili o per molte altre applicazioni.

Una guida completa per costruire, visualizzare e interpretare modelli ad albero decisionale con R.

Questo tutorial passo dopo passo ti mostra come configurare e usare Jupyter Notebook su Amazon Web Services (AWS) EC2 con GPU per il deep learning.

Questo tutorial su Keras ti introduce al deep learning in Python: impara a preprocessare i dati, modellare, valutare e ottimizzare le reti neurali.

Scopri le statistiche di base necessarie per Data Science e Machine Learning in Python.

Capisci le distribuzioni di probabilità discrete nella data science. Esplora PMF, CDF e i principali tipi come Bernoulli, Binomiale e Poisson con esempi in Python.

Scopri le tecniche per gestire un dataset sbilanciato.

In questo tutorial su Docker, scopri l'installazione, i comandi Docker più comuni, come creare immagini per applicazioni di machine learning e le best practice adottate nel settore.

In questo tutorial avrai una panoramica delle tecniche di codifica insieme ad alcuni riferimenti avanzati che ti aiuteranno a gestire le variabili categoriche.