Introduzione ai sistemi di raccomandazione content-based
Scopri come i Content-Based Recommendation Systems utilizzano i tuoi gusti passati per suggerire nuovi contenuti attinenti alle tue preferenze
Marco Speciale
7 post
Introduzione agli autoencoder
Gli autoencoder sono modelli di machine learning che comprimono e ricostruiscono i dati originari, permettendo di estrarre rappresentazioni significative. Nel contesto creativo, possono generare nuovi contenuti, come immagini e musica, partendo da dati esistenti.
Introduzione al Reinforcement Learning
Scopri come funziona il Reinforcement Learning in questa guida pratica, che ti introdurrà ai concetti di base e agli algoritmi principali come Q-Learning e SARSA
Guida alle architetture delle reti neurali convolutive più famose
Scopri come funzionano AlexNet, VGG, ResNet, Inception ed EfficientNet, le architetture che hanno rivoluzionato il deep learning
Backpropagation: come apprendono le reti neurali
Scopri come le reti neurali apprendono pattern dai dati attraverso l'algoritmo che ha reso possibile il deep learning odierno
Introduzione al clustering non supervisionato con K-Means
Scopri come funziona K‑Means, impostare K con il metodo del gomito, eseguire il clustering in Python con Sklearn e interpretare e visualizzare i risultati. Include una panoramica di metriche di performance e confronti con altri algoritmi di clustering.
Deep Learning e MNIST: Come utilizzare una rete neurale convolutiva per il riconoscimento di immagini
Come approcciare al riconoscimento delle immagini e delle cifre MNIST con una rete neurale convolutiva usando Keras e TensorFlow