Obiettivo: Portare i dati dentro MATLAB ed organizzarli per l'analisi, incluso normalizzare i dati e rimuovere le osservazioni con valori mancanti.

• Tipi di dato
• Table
• Dati categoriali
• Preparazione dei dati

Obiettivo: Usare tecniche di apprendimento "unsupervised" per raggruppare le osservazioni, basate su un insieme di variabili esplicative, e scoprire dei pattern naturali nei dataset.

• Apprendimento "unsupervised"
• Metodi di clustering
• Valutazione e interpretazione dei cluster

Obiettivo: Usare tecniche di apprendimento "supervised" per realizzare modelli predittivi per problemi di classificazione. Valutare l'accuratezza di un modello predittivo.

• Apprendimento "supervised"
• Training e validazione
• Metodi di classificazione

Obiettivo: Ridurre la dimensione di un dataset. Migliorare e semplificare i modelli di machine learning.

• Cross validation
• Trasformazione di Feature
• Selezione di Feature
• Apprendimento ensemble

Obiettivo: Usare le tecniche di apprendimento supervised per realizzare modelli predittivi per variabili risposta continue.

• Metodi di regressione parametrica
• Metodi di regressione non parametrica
• Valutazione di modelli di regressione

Obiettivo: Creare e allenare reti neurali per modelli di clustering e modelli predittivi. Aggiustare l'architettura della rete per migliorare la performance.

• Clustering con Self-Organizing Maps
• Classificazione con reti feed-forward
• Regressione con reti feed-forward