Descrizione del corso

Corso erogato in lingua Italiana
Moduli: 12
Livello: Intermedio
Accesso: Gratuito

Corso intensivo per il machine learning
La rapida introduzione al machine learning di Google, che comprende una serie di lezioni con videolezioni, visualizzazioni interattive ed esercitazioni pratiche.

Moduli del corso

Ogni modulo Crash Course su machine learning è indipendente, quindi se hai già esperienza nel machine learning, puoi passare direttamente agli argomenti che vuoi approfondire. Se non hai mai utilizzato il machine learning, ti consigliamo di completare i moduli nell'ordine riportato di seguito.

1. Modelli ML - Questi moduli trattano gli aspetti fondamentali della creazione di regressioni e della classificazione di machine learning.
2. Regressione lineare - Un'introduzione alla regressione lineare, che tratta i modelli lineari, la perdita, la discesa del gradiente e l'ottimizzazione degli iperparametri.
3. Regressione logistica - Un'introduzione alla regressione logistica, in cui i modelli di ML sono progettati per prevedere la probabilità di un dato risultato.
4. Classificazione - Un'introduzione ai modelli di classificazione binaria, che copre soglia, matrici di confusione e metriche come accuratezza, precisione, richiamo e AUC.
5. Utilizzo dei dati numerici - Scopri come analizzare e trasformare i dati numerici per addestrare i modelli di ML in modo più efficace.
6. Utilizzo di dati categorici - Apprendi le nozioni di base per lavorare con i dati categorici: come distinguere i dati categorici da quelli numerici; come rappresentare numericamente i dati categorici utilizzando la codifica one-hot, l'hashing delle caratteristiche e la codifica media; e come eseguire incroci di caratteristiche.
7. Set di dati, generalizzazione e overfitting - Un'introduzione alle caratteristiche dei set di dati di machine learning e a come preparare i dati per garantire risultati di alta qualità durante l'addestramento e la valutazione del modello.
8. Reti neurali - Un'introduzione ai principi fondamentali delle architetture di rete neurale, tra cui perceptroni, livelli nascosti e funzioni di attivazione.
9. Incorporamenti - Scopri come gli incorporamenti ti consentono di eseguire il machine learning su vettori di caratteristiche di grandi dimensioni.
10. Modelli linguistici di grandi dimensioni (LLM). - Un'introduzione ai modelli linguistici di grandi dimensioni (LLM), dai token ai Transformer. Scopri le nozioni di base su come gli LLM imparano a prevedere l'output di testo, nonché come vengono progettati e addestrati.
11. Sistemi ML di produzione - Scopri come funziona un sistema di produzione di machine learning su una vasta gamma di componenti.
12. AutoML - Scopri i principi e le best practice per l'utilizzo del machine learning automatizzato. 
13. Equità ML - Scopri principi e best practice per verificare l'equità dei modelli di ML, incluse le strategie per identificare e attenuare i bias nei dati.
     

Obiettivi

Struttura

Il Machine Learning Crash Course è adatto a te?

• Non ho esperienza o ho poca esperienza con il machine learning.
• Ho una certa esperienza in machine learning, ma vorrei una conoscenza più aggiornata e completa.
• Ho esperienza pratica nell'applicazione dei concetti di machine learning per lavorare con i dati e creare modelli.
• Sto cercando tutorial su come utilizzare API ML come Keras.
• Prima di iniziare il corso introduttivo al machine learning, leggi le sezioni Preparazione e Prerequisiti che seguono per assicurarti di avere le competenze necessarie per completare tutti i moduli.

Preparazione

Prima di iniziare il Machine Learning Crash Course, segui questi passaggi:

• Se non hai mai utilizzato il machine learning, segui il corso Introduzione al machine learning. Questo breve corso autonomo introduce i concetti fondamentali del machine learning.
• Se non hai mai utilizzato NumPy, svolgi l'esercizio Colab Tutorial ultraveloce su NumPy, che fornisce tutte le informazioni su NumPy di cui hai bisogno per questo corso.
• Se non hai dimestichezza con pandas, svolgi l'esercizio Colab Tutorial ultrarapido su pandas, che fornisce tutte le informazioni su pandas di cui hai bisogno per questo corso.

Informazioni dettagliate a questo link: https://developers.google.com/machine-learning/crash-course/prereqs-and-prework?hl=it

Prerequisiti

Il Machine Learning Crash Course non presuppone né richiede alcuna conoscenza pregressa nel machine learning. Tuttavia, per comprendere i concetti presentati e completare gli esercizi, consigliamo agli studenti di soddisfare i seguenti prerequisiti:

1. Devi avere dimestichezza con le variabili, le equazioni lineari, i grafici delle funzioni, gli istogrammi e i mezzi statistici.
2. Devi essere un buon programmatore. Idealmente, dovresti avere qualche esperienza di programmazione in Python perché gli esercizi di programmazione sono in Python. Tuttavia, i programmatori con esperienza che non hanno esperienza con Python di solito riescono comunque a completare gli esercizi di programmazione.

La certificazione è la prova delle tue reali competenze digitali e della tua voglia di imparare: due qualità essenziali nel mondo aziendale di oggi.

• Se dimostri di avere queste qualità, hai maggiori probabilità di trovare il lavoro che vuoi.
• Migliorando le tue conoscenze digitali, puoi trovare lavoro, ottenere una promozione o iniziare una nuova carriera.
• Acquisisci nuove competenze con brevi tutorial video, poi metti alla prova la tua preparazione con rapidi quiz.
• Sostieni l'esame finale
• Supera l'esame finale in piattaforma skillshop.exceedlms e ottieni la certificazione.
• Torna in questa scheda e caricala per poi vederti approvato il completamento del percorso e assegnato il punteggio in dashboard