Il Machine Learning

Descrizione del corso

• I principali algoritmi di apprendimento automatico
• Algoritmi di base del ML
• Gli Algoritmi Lineare e di Classificazione
• Gli Algoritmi di Classificazione Multiclasse e Macchine a Vettori di Supporto
• Il M.L. Non-Supervisionato
• Algoritmi Clustering e Riduzione Dimensionalità dati
• Il Machine Learning Semi-Supervisionato
• Algoritmi supervisionati
• Algoritmi di apprendimento per rinforzo
• Concetti base come Accuracy, Precision, Recall ed F1 score
• Validazione incrociata e overfitting
• Apprendimento Online e Batch Learning
• Flusso di lavoro del Machine Learning
• La pipeline di sviluppo di modelli di Machine Learning
• Processo di sviluppo di un modello ML: raccolta dati, addestramento, valutazione, deploy
• Concetti di Overfitting e Underfitting
• Curve di Convalida
• Curve ROC e AUC
• Il Deep Learning
• Algoritmi di Classificazione
• Nayve Bayes
• K-Nearest Neighbor
• Algoritmi di Regressione
• Support Vector Regression
• Albero Decisionale
• Algoritmi di Regressione
• Ensemble Methods
• Algoritmi di Clustering
• K-Medoids
• Gaussian Mixture
• Hidden Markov Model