Tutorial di Machine Learning

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.

Questo articolo spiega come e quando usare la classificazione random forest con scikit-learn, concentrandosi su concetti, workflow ed esempi. Vediamo anche come usare la confusion matrix e l'importanza delle feature.

Esplora l’entropia incrociata nel machine learning nella nostra guida per ottimizzare accuratezza ed efficacia della classificazione, con esempi in TensorFlow e PyTorch.

Scopri il modello di deep learning più popolare, le RNN, e fai pratica costruendo un predittore del prezzo delle azioni di MasterCard.

Scopri la potenza di XGBoost, uno dei framework di machine learning più popolari tra i data scientist, con questo tutorial passo dopo passo in Python.

In questo tutorial imparerai a estrarre dati dal web, a manipolarli e pulirli con la libreria Pandas di Python e a visualizzarli con la libreria Matplotlib di Python.

Affronta i rischi del model drift ed esplora la nostra guida pratica al monitoraggio del data drift.

Una guida concettuale al kernel trick: cos'è, come abilita le SVM e altri modelli basati su kernel, e quando usarlo rispetto ad altri approcci alla modellazione non lineare.

Una panoramica pratica della regolarizzazione nel machine learning: cos'è, come funziona e quando usare L1, L2 ed Elastic Net per costruire modelli che generalizzano.