Obiettivi del corso
Artificial Intelligence (AI) ed in particolare Machine Learning (ML) sono strumenti fondamentali ed imprescindibili nel toolkit di qualsiasi data analyst e/o scientist. Tali strumenti sono più in generale necessari in qualsiasi contesto di analisi automatica dei dati e nei problemi di predizione statistica e algoritmica. Il partecipante apprenderà le tecniche allo stato dell'arte del machine learning attraverso lezioni teoriche ed esercitazioni pratiche. Il corso consentirà di capire come utilizzare i metodi più comuni di predizione per problemi di classificazione, regressione e clustering, ed inoltre apprenderà le tecniche più popolari di preprocessing; aspetto fondamentale per l’applicazione ottimale degli algoritmi di machine learning.
Modulo A – Supervised Learning
- Introduzione all’AI ed al ML.
- Classificazione: k-NN, svm, Decision Tree.
- Regressione: Regularized Least Square, k-NN regression.
- Esercitazione: classificazione e regressione in azione.
Modulo B – Unsupervised Learning
- Clustering con k-means, clustering gerarchico, correlation clustering
- Principal Component Analysis e Random Projections
- Esercitazione: clustering e dimensionality reduction in azione.
Modulo C – Performance Evaluation & Preprocessing
- Tecniche di preparazione dati: scaling, normalizzazione, cleaning, filtering.
- Valutazione delle performance: K-Fold Cross Validation, Train-Test-Split, Learning Curves.
- Overfitting e Underfitting: feature selection e generation.
- Esercitazione: piccolo caso di studio.
Richiedi una consulenza