Machine Learning
Il corso può essere seguito in aula nelle sedi di Cagliari oppure online in diretta streaming.
Programma del corso
Introduzione al Machine Learning
Modello di workflow
Raccolta dati
Preparazione e pulizia dei dati
Addestramento del modello
Test del modello
Utilizzo del modello
Strumenti per il Machine Learning
Ambienti di sviluppo
Framework e librerie
Strumenti di data visualization
Machine Learning supervisionato
Algoritmo Naive Bayes
Algoritmo K-NN
Algoritmo SVM
Algoritmo Decision Tree
Algoritmo Random Forest
Regressione lineare
Regressione polinomiale
Regressione Ridge e Lasso
Machine Learning non supervisionato
Clustering
Algoritmo K-Means
Algoritmo DBSCAN
Algoritmo Agglomerative (clustering gerarchico)
Algoritmo Mean Shift
Algoritmo Fuzzy C-Means
Pattern search
Algoritmo ECLAT
Algoritmo Apriori
Algoritmo FP-Growth
Generalizzazione
Algoritmo T-SNE
Algoritmo PCA
Algoritmo LSA
Algoritmo SVD
Algoritmo LDA
Machine Learning con rinforzo
Algoritmi genetici
Algoritmo A3C
Algoritmo SARSA
Algoritmo Q-Learning
Algoritmo Deep Q-Network
Reti Neurali e Deep Learning
Architettura di una Neural Network
Tipologie di Deep Network
Backpropagation
Vanishing Gradient
Restricted Boltzmann Machine
Deep Belief Network
Cross Validation
RNN
Algoritmo LSM
Algoritmo LSTM
Algoritmo GRU
Perceptrons
GAN
Algoritmi Autoencoders
Modello sequenza-sequenza
CNN
