Se state appena iniziando il vostro percorso e volete orientarvi nel mondo dell'apprendimento automatico e analisi dati

• Impostare un ambiente di sviluppo in Python
• Le migliori risorse per imparare Python online
• Analisi esplorativa dei dati con Python e Pandas
• Cos'è il Machine Learning: come spiego il concetto ad un neofita
• Algoritmi di Machine Learning: Guida introduttiva per comprendere i principi e le applicazioni
• Come strutturare un progetto di machine learning
• Il più grande ostacolo nel machine learning: l’overfitting
• Perché il tuo progetto di machine learning potrebbe fallire
• Data Leakage: cosa è e perché fa fallire i nostri sistemi predittivi
• Come preparare i dati per il machine learning
• Cosa è la cross-validazione nel machine learning
• Valutazione delle performance di un modello di regressione
• Valutazione delle performance di un modello di classificazione binaria
• Come prendere appunti nella Data Science
• Introduzione alle reti neurali - pesi, bias e attivazione
• Introduzione al clustering non supervisionato con K-Means

Vuoi andare più in profondità con concetti di deep learning, progetti e applicazioni specifiche. Eccoti accontentato 👇

• Servire modelli di machine learning con FastAPI
• Introduzione alla PCA in Python con Sklearn, Pandas e Matplotlib
• Deep Learning e MNIST: Come utilizzare una rete neurale convolutiva per il riconoscimento di immagini
• Costruire il proprio dataset: vantaggi, approccio e strumenti
• Il compromesso Bias-Varianza nel Machine Learning
• Come ripartire i dati per la cross-validazione K-fold
• Migliorare i propri modelli di dati con Pydantic
• Regolarizzazione L1 vs L2 nel Machine Learning: differenze, vantaggi e come applicarle in Python
• Rappresentazioni vettoriali per il Machine Learning
• Come calcolare la similarità tra testi di un sito web con TF-IDF in Python
• Perché avere un grosso numero di feature può peggiorare il tuo modello
• Introduzione a PyTorch: dal training loop alla predizione
• Introduzione a Tensorflow 2.0 - API e modello sequenziale di deep learning
• Classificazione binaria di immagini con Tensorflow
• Tecniche di data visualization: dal grafico allo storytelling
• Come scraperare un blog e raccogliere i suoi articoli in Python
• Tagging di contenuti con la logica fuzzy in Python

Qui sono evidenziati prevalentemente progetti a sfondo applicativo, con applicazioni di machine learning tradizionale e deep learning

• Clustering di serie temporali per la previsione del mercato azionario in Python - Parte 1
• Addestrare un modello Word2Vec da zero con Gensim
• Previsione delle serie temporali con LSTM in Tensorflow
• Early Stopping in TensorFlow - impedire l'overfitting di una rete neurale
• Convertire testi in tensori per il Deep Learning
• Come tokenizzare e fare padding di sequenze in Tensorflow
• Competizione Kaggle: Valutare il livello di competenza linguistica col machine learning
• Creare un Chatbot in Python con LangChain e RAG