Servire modelli di machine learning con FastAPI
Una guida a servire un modello di machine learning via API con FastAPI, Pydantic e Sklearn
Andrea D'Agostino
Fondatore di Diario Di Un Analista. Quasi 10 anni di esperienza nell'applicare la data science e il machine learning nell'ambito del marketing digitale e data mining.
75 post
Data Leakage: cosa è e perché fa fallire i nostri sistemi predittivi
Il data leakage rappresenta, insieme all'over/underfitting, la causa principale di fallimento di progetti di machine learning che vanno in produzione. Scopri come evitarlo in questo articolo.
5 strumenti per avanzare nella carriera di data scientist
Una lista di software utili per la gestione di progetti di data science e la raccolta di idee e contenuti
Quando e quando non utilizzare il machine learning nella tua strategia aziendale
Fai scelte intelligenti per la tua strategia aziendale: quando utilizzare il machine learning e quando optare per soluzioni più semplici. Esplora i vantaggi e le sfide dell'adozione dei modelli di apprendimento automatico per prendere decisioni informate
Guida alla gestione delle variabili categoriali
Una guida su come approcciare le variabili categoriali presenti all'interno di un dataset ai fini del machine learning e data science
Valutare il livello di competenza linguistica col machine learning
Strategia e modellazione della competizione Kaggle dove si prevede la competenza linguistica di studenti liceali che studiano l'inglese
Introduzione al campionamento statistico e al ricampionamento
Il campionamento statistico è fondamentale per ottenere informazioni sulla popolazione di interesse in modo efficiente. In questo articolo, esploreremo il concetto di campionamento statistico, le sue tecniche più comuni e l'utilizzo del ricampionamento per stimare la precisione delle stime
Come identificare anomalie nei dati (outliers)
Scopri come identificare e risolvere le anomalie nei tuoi dati utilizzando tecniche avanzate di machine learning e strumenti automatizzati. Migliora la qualità dei dati aziendali e previeni errori con metodi efficaci di monitoraggio e analisi predittiva.
Rappresentazioni vettoriali per il Machine Learning
L'importanza dei vettori nella rappresentazione di concetti complessi in formato numerico per lo sviluppo di modelli di machine learning. Tecniche di rappresentazione vettoriale come One-Hot Encoding, embedding, TF-IDF e bag of words, al fine di catturare relazioni semantiche tra i concetti