Migliorare i propri modelli di dati con Pydantic
Pydantic è una libreria Python che ci consente di strutturare e convalidare i dati in modo efficiente. Applicazioni in Python e nel contesto del Machine Learning
Machine Learning
64 post
Come ripartire i dati per la cross-validazione K-fold
Prima di effettuare un addestramento di un modello predittivo, è utile ripartire i dati correttamente per evitare l'overfitting e data leakage.
Modello Bag of Words: cosa è e come funziona
Il modello più comune per rappresentare numericamente del testo è il modello bag of words. Ogni documento del nostro corpus viene rappresentato contando quante volte ogni parola appare in esso.
Introduzione a Tensorflow 2.0 - API e modello sequenziale di deep learning
Tensorflow è il framework creato da Google che permette ai praticanti di machine learning di creare modelli di deep learning ed è spesso la prima soluzione che viene proposta agli analisti che si approcciano per la prima volta al deep learning.
Data science, data engineering, data analytics...ma c'è davvero differenza?
C'è davvero differenza tra data science, data engineering e data analytics? L'intero processo end-to-end di raccolta, gestione e analisi del dato viene diviso secondo questi tre termini - propongo la mia interpretazione olistica dell'intero processo.
Perché avere un grosso numero di feature può peggiorare il tuo modello
Una attività di feature engineering può essere molto utile per migliorare le performance di un modello predittivo. Questa però può peggiorare i nostri risultati se non teniamo a mente certi principi da evitare.
Machine Learning vs Deep Learning: quali sono le differenze?
Scopri cosa distingue Machine Learning e Deep Learning: vantaggi, svantaggi e applicazioni spiegate per aiutarti a scegliere la soluzione giusta per i tuoi progetti AI.
Cosa è la cross-validazione nel machine learning
Leggi cosa è la cross-validazione - una tecnica fondamentale per costruire modelli generalizzabili
Il più grande ostacolo nel machine learning: l’overfitting
L'overfitting è un concetto nella data science che si manifesta quando un modello predittivo impara bene a generalizzare i dati di training ma non quelli di test