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
Machine Learning
66 post
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
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
Cosa è la grid search e come applicarla in Python con Sklearn
Scopri come ottimizzare i modelli di machine learning con Grid Search in Python utilizzando scikit-learn. Guida passo-passo con codice ed esempi pratici
Come preparare i dati per il machine learning
In questo articolo, imparerai come preparare i tuoi dati per il machine learning, partendo dalla pipeline di preparazione dei dati fino alla divisione in train, validation e test set.
Introduzione a PyTorch: dal training loop alla predizione
PyTorch con Python: introduzione da addestramento a predizione. PyTorch è uno dei framework di deep learning più famosi e imparare questo strumento diventa fondamentale se si vuole costruire una carriera nel campo della IA applicata.
Il compromesso Bias-Varianza nel Machine Learning
In questo articolo, discuteremo del compromesso tra bias e varianza nel machine learning e di come trovare il giusto equilibrio tra i due può aiutare a migliorare le prestazioni del modello.
Regolarizzazione L1 vs L2 nel Machine Learning: differenze, vantaggi e come applicarle in Python
In questo articolo approfondiremo le tecniche di regolarizzazione L1 e L2 nel Machine Learning e spiegheremo perché sono importanti per prevenire l'overfitting dei modelli. Scopriremo inoltre come applicare queste tecniche utilizzando Python