Corso Machine learning

Corso erogato in lingua Italiana
Moduli: 7
Livello: Principiante
Accesso: Gratuito

Descrizione
L'enorme quantità di dati digitalmente disponibili in domini quali; salute, biologia, finanza, sicurezza, commercio elettronico, e reti sociali, per citarne solo alcuni, offre la straordinaria opportunità di far apprendere ai nostri computer come svolgere in modo ottimale compiti di nostro interesse, financo a raggiungere livelli di prestazione sovraumani come quanto accaduto per il gioco del Go, dove il campione Sud Coreano Lee Sedol si è recentemente ritirato dalle competizioni dopo esser stato pesantemente sconfitto dall'algoritmo AlphaGo. Il Machine Learning combina informatica, matematica, e statistica, con l'obiettivo di appredenre dai dati. Seguendo Tom M. Mitchell, diremo che un programma apprende dall'esperienza E con riferimento ad alcune classi di compiti T e con misurazione della performance P, se le sue performance nel compito T, come misurato da P, migliorano con l'esperienza E. Il corso ha carattere introduttivo e presenta le tre tipologie di machine learning; apprendimento supervisionato, apprendimento non supervisionato e apprendimento per rinforzo. Dedicheremo lezioni specifiche agli alberi di decisione, alle reti di neuroni artificiali, oggi in grande ascesa sotto il nome di Deep Learning. Inoltre, verranno presentati diversi algoritmi di clustering, ed il paradigma delle reti Bayesiane, che collega tra loro Machine Learning ed Intelligenza Artificiale. Il corso consiste di 8 lezioni dove le cartelle dedicate ad ogni argomento sono arricchite tramite figure e tabelle che costituiscono parte integrante del corso medesimo. Infine, oltre 250 quiz vengono resi disponibili al fine di offrire allo studente uno strumento per valutare il proprio livello di comprensione.

Contenuti

Lezione 1. Introduzione
Unit 1 - Big Data e Machine Learning
Unit 2 - Tipi di attributo e loro esplorazione
Unit 3 - Pre-processamento dei dati

Lezione 2. Apprendimento supervisionato
Unit 1 - Apprendimento supervisionato
Unit 2 - Modelli non parametrici e parametrici
Unit 3 - Generalizzazione, underfitting/overfitting, e cross validation

Lezione 3. Alberi di decisione
Unit 1 - Alberi di decisione
Unit 2 - Progettazione dell'apprendimento di un albero di decisione
Unit 3 - Considerazioni sugli alberi di decisione

Lezione 4 - Reti Neurali Artificiali e Deep Learning
Unit 1 - Reti neurali artificiali
Unit 2 - Percettrone multi-strato o feedforward neural network
Unit 3 - Deep Learning

Lezione 5. Apprendimento non Supervisionato
Unit 1 - Cosa si intende per apprendimento non supervisionato?
Unit 2 - Clustering
Unit 3 - Analisi delle associazioni ed identificazione delle anomalie

Lezione 6. Algoritmi di Clustering
Unit 1 - Algoritmi basati su prototipo (Prototype-based)
Unit 2 - Algoritmi gerarchici
Unit 3 - Algoritmi basati su densità e altri algoritmi di clustering

Lezione 7. Reti Bayesiane
Unit 1 - Introduzione
Unit 2 - Inferenza
Unit 3 - Apprendere una rete Bayesiana

Questo corso è gestito dal partner esterno Federica Web Learning. 
Per conseguire la tua certificazione dovrai iscriverti alla loro piattaforma Academy al link di registrazione per poter usufruire di questo ed altri percorsi offerti.

Una volta ottenuta la tua certificazione, salvala nel tuo dispositivo in formato Jpg o Pdf e torna sulla pagina del corso, in Guilds42, per caricarla nell’apposito box e validare le tue competenze.