Il tuo percorso verso l'acquisizione delle competenze fondamentali nel Machine Learning.
Questo corso è rivolto a chi intende muovere i primi passi verso l’apprendimento del Machine Learning. Dopo una parte introduttiva che spiega con chiarezza cosa è il Machine Learning e in cosa differisca dagli algoritmi tradizionali, esploreremo numerosi esempi di apprendimento supervisionato, non supervisionato e apprendimento per rinforzo. Il corso presuppone un minimo di conoscenza del linguaggio Python; è consigliabile, ma non obbligatorio, conoscere i fondamenti del calcolo matriciale.
Inizieremo con esempi di regressione sia in programmazione tradizionale che utilizzando tecniche di machine learning, per comprendere come i modelli predittivi possano evolversi con l’uso di dati e migliorare le previsioni. Successivamente, faremo un esempio di classificazione di immagini, per imparare a distinguere categorie visive in modo automatico, utilizzando reti neurali profonde in apprendimento supervisionato. Passeremo poi all’apprendimento non supervisionato con il K-means clustering e il DBSCAN, tecniche fondamentali per identificare gruppi e pattern nascosti nei dati senza etichette. Prima di ciascun esempio, faremo una presentazione introduttiva, per comprendere a fondo cosa stiamo facendo e il contesto applicativo, chiarendo sia gli obiettivi sia le nozioni teoriche di base. Infine, esploreremo i concetti dell’apprendimento per rinforzo utilizzando le librerie Gym e Stable-Baselines3, allenando un agente virtuale a compiere azioni in un ambiente simulato per ottenere i migliori risultati in un contesto dinamico e interattivo.
Link Download: