CONTENUTI
Giorno 1: Fondamenti Avanzati di Python e Preprocessing dei Dati
- Ripasso delle funzionalità avanzate di Python (decoratori, generatori, contesti)
- Introduzione a librerie avanzate: Scikit-learn, TensorFlow, Keras
- Tecniche di preprocessing dei dati: normalizzazione, standardizzazione, gestione dei valori mancanti
- Esercizi pratici: preparazione di un dataset per il machine learning
Giorno 2: Modelli di Machine Learning Supervisionato
- Introduzione ai modelli supervisionati: regressione lineare, regressione logistica, alberi decisionali
- Implementazione di modelli con Scikit-learn
- Valutazione dei modelli: metriche di performance (accuratezza, precisione, recall, F1-score)
- Esercizi pratici: costruzione e valutazione di un modello di classificazione
Giorno 3: Modelli di Machine Learning Non Supervisionato e Ottimizzazione
- Introduzione ai modelli non supervisionati: clustering (K-means, DBSCAN), riduzione della dimensionalità (PCA)
- Implementazione di modelli non supervisionati con Scikit-learn
- Tecniche di ottimizzazione dei modelli: Grid Search, Random Search
- Esercizi pratici: ottimizzazione di un modello e confronto delle performance
- Discussione finale e domande
SCARICA MODULO ISCRIZIONE
