Corso Machine Learning/Artificial Intelligence

Comprenderai i principi base del machine learning, inclusi i concetti di apprendimento supervisionato, non supervisionato e reinforcement learning.

Imparerai a eseguire analisi preliminari sui dati per identificarne le caratteristiche principali, le anomalie, le correlazioni e a prepararli per modelli più complessi.

Sarai capace di implementare e valutare modelli statistici come la regressione e la classificazione, oltre a modelli non supervisionati come il clustering e la riduzione della dimensionalità.

Svilupperai competenze nell’interpretare risultati statistici e output dei modelli per prendere decisioni informate basate sui dati.

Acquisirai competenze nell’uso di strumenti e software di analisi dati, come Python, R, TensorFlow e Keras, che sono essenziali per il lavoro nel campo del data science e del machine learning.

Imparerai a implementare e ottimizzare algoritmi di machine learning sia supervisionati (es. regressione lineare, alberi decisionali) sia non supervisionati (es. K-means, PCA).

Comprenderai concetti come underfitting, overfitting, capacità di un modello, curve di apprendimento e regolarizzazione, che sono critici per la costruzione di modelli efficaci e robusti.

Imparerai tecniche per la selezione dei migliori parametri per i modelli e l’uso della cross-validation per valutare la loro performance in modo più affidabile.

Acquisirai conoscenze su architetture avanzate di deep learning, inclusi reti neurali dense, convoluzionali, ricorrenti, e l’uso di tecniche come la backpropagation.

Svilupperai abilità specifiche per analizzare dati sequenziali attraverso reti neurali ricorrenti e imparerà a generare nuovi dati utilizzando approcci di deep learning generativo.

Esplorerai le basi del reinforcement learning, apprendendo come gli agenti ottimizzano le loro decisioni attraverso prove ed errori per massimizzare la ricompensa.