Salta al contenuto principale
Fondamenti teorici, metodologie e applicazioni dell'apprendimento automatico /sites/default/files/courses/2024-10/ml_0.PNG

Il corso intende offrire una panoramica completa sui fondamenti teorici e pratici del Machine Learning. 

Verranno esplorati i concetti chiave come l'apprendimento supervisionato, non supervisionato e per rinforzo, nonché le tecniche di addestramento, validazione e test dei modelli. 

Il corso include applicazioni pratiche, utilizzando Python e Jupyter Notebook.

1 Definizione di Machine Learning

2 Differenze tra programmazione tradizionale e programmazione con ML

3 Data mining 

4 Ambiti di applicazione 

5 Tipologie di sistemi di ML 

  • Supervisione in fase di apprendimento
    • Supervised Learning
    • Unsupervised Learning
    • Semi-supervised Learning
    • Transfer Learning
    • Reinforcement learning
  • Tipo di apprendimento
    • Batch Learning
    • Online Learning
  • Tipo di generalizzazione
    • Instance-based Learning
    • Model-based Learning

6 Addestramento del modello 

  • Focus sui dati (dati non rilevanti, non rappresentativi etc)
  • Focus sugli algoritmi (overiftting, underfitting)

7 Test e validazione 

8 Pipelines 

La frequenza del corso, in modalità interattiva e sotto la guida di un docente con esperienza pluriennale, ti consentirà di acquisire una conoscenza specializzata e avere piena comprensione dei concetti fondamentali del machine learning, compresi algoritmi, tecniche e applicazioni. 

Tramite le esercitazioni pratiche sarà possibile applicare da subito ciò che hai imparato, consolidando le tue competenze.

Gli strumenti scelti, Google Colab e Jupyter Notebook, sono, inoltre, strumenti user-friendly e facilitano l'apprendimento. Entrambi supportano librerie per il machine learning che rendono più semplice l'implementazione e l'esecuzione dei modelli.

Mediante il corso e il follow-up di approfondimento potrai acquisire, quindi, competenze pratiche e teoriche nel campo del Machine Learning, preparandoti per opportunità future in un settore sempre più in crescita.

È necessaria la conoscenza di Python per la parte applicativa del corso. 

Sarà utilizzato Jupyter Notebook. È necessario avere un account Google per l'uso di Colab.

18 ore + 3 ore di follow-up 550 €