In questo capitolo definiremo il Machine Learning e il suo rapporto con la data science e l'intelligenza artificiale. Poi chiariremo il gergo più importante del Machine Learning e concluderemo con il flusso di lavoro del Machine Learning per creare modelli.

Che cos'è il Machine Learning?

Generare consigli di film

AI, data science e machine learning entrano in un bar...

Cosa è vero sul Machine Learning?

Concetti di Machine Learning

Linguaggio del Machine Learning

Supervised vs unsupervised

Workflow di Machine Learning

Fasi per costruire un modello

Un vero passo

Ora che conosci le basi del Machine Learning, approfondiamo un po'. Alla fine di questo capitolo conoscerai i diversi tipi di Machine Learning, oltre a come valutare e migliorare i tuoi modelli.

Apprendimento supervisionato

Riscaldamento

Attività

Classificazione

Regressione

Regressione con stile

Apprendimento non supervisionato

Supervised

Unsupervised

Niente supervisione, niente problemi

Esplorare i cluster

Valutare le prestazioni

Vero

Falso

Vero o falso?

Terra di confusione

Migliorare le prestazioni

Opzioni

Ottimizzazione degli iperparametri

Riduzione della dimensionalità

Metodi ensemble

La strada per arrivare in cima è lunga

Esplora l'hyperparameter tuning

Modelli di Machine Learning

In questo capitolo approfondiremo il Deep Learning a partire dalle reti neurali. Poi analizzeremo due casi d'uso comuni del Deep Learning: computer vision e elaborazione del linguaggio naturale. Concluderemo il corso discutendo i limiti e i rischi del Machine Learning.

Deep learning

Che cos’è il deep learning?

Dovrei usare il deep learning?

Computer vision

Dati di immagini

Il processo

Natural Language Processing

Analisi del sentiment

Classificare i compiti di machine learning

Bag of words

Limiti del Machine Learning

Black box o non black box?

Individuare bias nella previsione del default di un prestito

Congratulazioni!

Deep Learning

Course Glossary: Understanding Machine Learning

Cosa c'è dietro al clamore sul Machine Learning? In questo corso non tecnico scoprirai tutto ciò che hai sempre voluto chiedere sul Machine Learning. Non è richiesta programmazione. Esercizi pratici ti aiuteranno ad andare oltre il gergo e a capire come questa tecnologia entusiasmante alimenta tutto, dalle auto a guida autonoma ai suggerimenti personalizzati su Amazon.

Come funziona il Machine Learning, quando puoi usarlo e qual è la differenza tra AI e Machine Learning? Troverai tutto qui. Sviluppa competenze in questo campo estremamente richiesto e influente, e scopri perché il Machine Learning è alla portata di tutti!

I video includono trascrizioni in tempo reale, accessibili cliccando su "Show transcript" in basso a sinistra nei video.

Il glossario del corso è disponibile a destra nella sezione delle risorse.

Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione cliccando sul riquadro dei crediti CPE sulla destra.

<h2>Scopri i concetti di base del machine learning</h2> 
Cosa c'è dietro tutto questo clamore sul machine learning? In questo corso non tecnico imparerai tutto quello che hai sempre voluto sapere sul machine learning, ma non hai mai osato chiedere. Non serve scrivere codice.
<br><br>
Scoprirai i concetti base ma fondamentali per iniziare il tuo viaggio nel machine learning, usando esercizi pratici per rafforzare le tue conoscenze. Questo vuol dire capire cosa c'è dietro al gergo tecnico e scoprire come questa tecnologia fantastica fa funzionare tutto, dalle auto che si guidano da sole ai consigli personalizzati di Amazon per i tuoi acquisti. 
<br><br>
<h2>Scopri le basi del machine learning</h2> 
Come funziona l'apprendimento automatico, quando puoi usarlo e qual è la differenza tra intelligenza artificiale e apprendimento automatico? Questo corso parla di tutti questi argomenti.
<br><br>
Inizierai spiegando cos'è il machine learning, scoprendo la sua definizione di base e come si collega alla scienza dei dati e all'intelligenza artificiale. Poi, ti farai un'idea del suo vocabolario e finirai con il flusso di lavoro di machine learning per creare modelli.
<br><br>
Concludiamo il corso approfondendo il deep learning. Scoprirai due casi d'uso comuni del deep learning: la visione artificiale e l'elaborazione del linguaggio naturale (NLP), e capirai i limiti e i rischi del machine learning.

Corso introduttivo di 2 ore al machine learning: concetti essenziali, vocabolario, modelli e deep learning.

Capire il Machine Learning

Un'introduzione all'apprendimento automatico senza bisogno di programmare.

Nozioni di base sull'intelligenza artificiale

Comprendere gli argomenti dei dati

Le matrici di confusione si usano per valutare le prestazioni di classificazione.

Valutare le prestazioni di un modello di apprendimento non supervisionato è più complicato e dipende dai tuoi obiettivi iniziali.

Un falso positivo è un valore previsto come positivo, quando in realtà è negativo.

L’accuratezza è sempre una metrica informativa e utile.

Un falso negativo è un valore previsto come positivo, quando in realtà è negativo.

Vero o falso?

Capire il Machine Learning

esercizio interattivo pratico