Tecniche di feature engineering per variabili numeriche in Python
Scopri le tecniche di feature engineering più utili per convertire valori numerici in informazioni utili per il tuo modello predittivo usando Sklearn, Numpy e Python
Guide e Tutorial da esperti di settore per aiutarti nel tuo percorso nella Data Science e Machine Learning
Newsletter su IA, tech e LLM
Scopri le tecniche di feature engineering più utili per convertire valori numerici in informazioni utili per il tuo modello predittivo usando Sklearn, Numpy e Python
Una lista comprensiva di algoritmi e strutture dati utili da conoscere per le interviste tecniche e con applicazioni pratiche nell'ambito della data science e machine learning
GLiNER è un modello NER in grado di identificare qualsiasi tipo di entità utilizzando un codificatore di trasformatore bidirezionale (simile a BERT) che supera ChatGPT e altri LLM in task di classificazione dei token zero-shot
Scopri come eseguire modelli linguistici di grandi dimensioni (LLM) in locale su Windows, Mac o Linux con Ollama e Python, sfruttando il supporto GPU per prestazioni ottimali. Guida completa all'installazione e utilizzo
Progetto che usa GPT-4 (o qualsiasi altro LLM), un database vettoriale e Streamlit per navigare una base di conoscenza ampia e creare mappe mentali da essa per una migliore fruizione delle informazioni
In questo articolo sarà implementata una rete neurale convoluzionale utilizzando Keras con TensorFlow come backend. Verrà condotta un'analisi dei risultati al fine di valutare l'utilità pratica del modello nell'identificazione di lesioni cutanee
Scopri come affrontare i problemi di machine learning con un approccio strutturato: dalla preparazione dei dati alla scelta del modello, evitando errori comuni e ottimizzando le performance.