CGKML |

Machine Learning

Descrizione

Il corso rappresenta un'eccellente opportunità di apprendimento per coloro che desiderano approfondire le conoscenze riguardanti l'utilizzo dei Big Data e dell'Intelligenza Artificiale nell'Analisi Dati e nell'ambito del Machine Learning. Con una panoramica completa delle tematiche trattate, i partecipanti avranno la possibilità di esplorare il vasto mondo della Data Science e di acquisire una competenza di base nell'utilizzo del linguaggio di programmazione Python, che è diventato uno degli strumenti di punta nel campo dell'analisi dei dati.  

Il corso offre una solida base, partendo dalla comprensione dei concetti base del Machine Learning fino ad arrivare all'identificazione e alla risoluzione di problemi reali attraverso l'applicazione di tecniche avanzate. I partecipanti avranno l'opportunità di acquisire una vasta gamma di competenze, incluse le metodologie di calcolo distribuito con Python per gestire grandi volumi di dati, che rappresentano una delle sfide principali nell'era dei Big Data.  

Il docente guiderà i partecipanti attraverso tutte le fasi del processo di sviluppo di un algoritmo di Machine Learning utilizzando un framework. Partendo dalla fase iniziale di definizione del problema e l'analisi dei dati, gli studenti saranno poi coinvolti nello sviluppo effettivo dell'algoritmo e nel successivo utilizzo pratico delle soluzioni proposte. Questa formazione consentirà ai partecipanti di acquisire non solo una conoscenza teorica approfondita, ma anche competenze pratiche, che saranno preziose nel loro percorso professionale nel campo del Machine Learning.  

Durante il corso, verranno esaminate le principali librerie legate al Machine Learning, come Pandas, che è fondamentale per la gestione e la manipolazione dei dati, e Scikit-learn, che rappresenta uno dei framework più utilizzati per lo sviluppo di applicazioni di Machine Learning. I partecipanti avranno l'opportunità di acquisire familiarità con queste librerie, imparando a sfruttarne al meglio le potenzialità per affrontare le sfide più complesse nel campo dell'analisi dei dati.  

Dettagli Corso

PERSONALIZZA:
Promozioni:
Calendario:
Sede:
Milano, Roma, Padova, Online
DURATA:
3 giorni

Destinatari

Rivolto a professionisti con competenze in statistica, matematica e informatica, il corso offre un approccio introduttivo ma altamente pratico all'intelligenza artificiale e al Machine Learning.

Il corso fornirà gli strumenti necessari per sviluppare e applicare modelli di Machine Learning in contesti reali, garantendo così una preparazione completa e adatta alle esigenze del mercato del lavoro attuale, sempre più orientato verso l'utilizzo delle tecnologie avanzate. 

Obiettivi

Al termine del corso i partecipanti saranno in grado di:  

  • Utilizzare le funzionalità base di Python nel mondo dei Big Data e AI 
  • Utilizzare le principali tecniche di Machine Learning per la soluzione di problemi di classificazione, predizione numerica
  • Conoscere le metodologie di gestione e sviluppo di un processo di Machine Learning, dalla preparazione dei dati sino alla valutazione dei risultati

Per partecipare a questo percorso formativo, sono richiesti i seguenti requisiti:  

  • Concetti di base di informatica: è consigliabile avere una comprensione del funzionamento dei sistemi operativi e i concetti di base dell'hardware e del software.  
  • Capacità minima di programmazione informatica: è necessario possedere almeno una conoscenza di base della programmazione informatica.   
  • Conoscenze di statistica e matematica: un buon livello di familiarità con i principi statistici e matematici è essenziale.   
  • Conoscenze nel mondo del dato: è importante possedere una conoscenza dei concetti chiave nel campo del dato. 

Starting with data:

  • Introduzione al Machine Learning, Tipologie di ML
  • Python: Le basi e gli esercizi
  • Regular Expressions
  • Iter Tools
  • Pandas e Numpy: esercizi
  • Data Visualization in Python con Matplotlib Pyplot: esercizi
  • Imputation: filling missing data; Normalization
  • Feature engineering
  • Esempi con I modelli Titanic and MPG da Kaggle

 

Modelli e Previsioni

  • Basi sui modelli; Workflow generale; Supervised, Unsupervised, Reinforced and Semi-Supervised Learning
  • Breve presentazione delle principali tecniche di Machine Learning
  • Trasparenza e spiegabilità
  • Problemi di Classificazione
  • Esempi di classificazione in python e scikit
  • Problemi di regressione
  • Esempi di regressione in python

 

Valutazione del Modello e Ottimizzazione

  • Overfitting, bias e ottimizzazione di modello
  • Tecniche di Cross-validation. K-fold evaluation. Grid Search dei Parametri. Matrici di confusione (solo per classificatori binari). ROC, AUC. Analisi dei modelli multivariata.
  • Elementi di valutazione nei modelli di classificazione
  • Elementi di valutazione nei modelli di regressione
  • Esempi di algoritmi Python per Cross Validation e Ottimizzazione. Uso di Scikit learn.

 

Cenni a sistemi di elaborazione distribuita di grandi dataframe

Recensioni

Lascia una recensione

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Corso personalizzato?

Mai stato così semplice!
Machine Learning su misura per te

Calendario

Richiedi informazioni

Mai stato così semplice!
Machine Learning su misura per te