Tutorial su Python

Questo tutorial spiega cosa sono un parametro e un iperparametro in un modello di machine learning e perché sono fondamentali per migliorare le prestazioni del modello.

Con questo tutorial per principianti, inizierai a esplorare PEP-8, la guida di stile di Python, così da formattare correttamente il tuo codice per massimizzarne la leggibilità!

Capire il modello Phi-2 e imparare come accedervi e affinarlo usando il dataset di role-play.

Scopri il modulo pickle di Python: cos'è la serializzazione, quando (non) usarla, come comprimere oggetti pickled, multiprocessing e molto altro!

Scopri Pip, uno strumento potente che ti aiuta a gestire correttamente i pacchetti di distribuzione in Python.

Scopri come migliorare il tuo data storytelling con le forme di Plotly. Questa guida offre una panoramica completa per aggiungere e stilizzare annotazioni in Python, dai rettangoli e linee di base fino a geometrie interattive avanzate.

Scopri come Python può essere più efficace di Excel, con il pacchetto Pandas.

Scopri come implementare e interpretare le curve precision-recall in Python e come scegliere la soglia giusta per raggiungere il tuo obiettivo.

L'accuracy non basta. Scopri la differenza tra precision e recall, comprendi il trade-off e scegli la metrica giusta per il tuo modello.

Analizza l’employee churn. Scopri perché le persone lasciano l’azienda e impara a prevedere chi sarà il prossimo a lasciare.

Questo articolo spiega l'importanza del preprocessing nella pipeline di machine learning esaminando come centratura e scaling possano migliorare le prestazioni del modello.

Scopri se centraggio e scaling aiutano il tuo modello in un contesto di regressione logistica.