Ti trovi di fronte a un problema complesso che coinvolge una grande quantità di dati e moltissime variabili. Sai che il Machine Learning sarebbe l'approccio migliore, ma non l’hai mai utilizzato prima. Come fare per gestire efficacemente dati che sono in disordine, incompleti e che si presentano in formati differenti? Come scegliere il modello giusto per i tuoi dati?
Non sai da dove cominciare? Non scoraggiarti. Un workflow adeguato ti aiuterà ad iniziare il tuo progetto in modo efficace.
Leggi l’ebook e scopri come avanzare passo dopo passo dalle nozioni di base alle tecniche e agli algoritmi più avanzati.
- Sezione 1: Introduzione al Machine Learning
Scopri le nozioni di base del Machine Learning, compreso l'apprendimento supervisionato e non supervisionato, scegliendo il giusto algoritmo attraverso lo studio di esempi pratici. - Sezione 2: Le nozioni di base del Machine Learning
Segui il flusso di lavoro del Machine Learning utilizzando come esempio una applicazione di monitoraggio della salute. Questa sezione spiega l'accesso e il caricamento dei dati, la pre-elaborazione dei dati, la determinazione delle caratteristiche, la formazione e la definizione dei modelli. - Sezione 3: L’apprendimento non supervisionato
Esplora gli algoritmi di clustering e impara a conoscere le più comuni tecniche di riduzione di dimensionalità per migliorare le performance del modello. - Sezione 4: L’apprendimento supervisionato
Esplora gli algoritmi di classificazione e di regressione e impara le tecniche di miglioramento del modello, tra cui la selezione e la trasformazione delle funzioni e l’ottimizzazione degli iperparametri.
