Introduzione
  • Benvenuto nel futuro !
  • Perchè l'AI è hot ?
  • Cosa è il machine learning...
  • .. e la data science ?
  • Come funziona il machine learning ?
  • Le tecniche del machine learning
  • Scegli il tuo ambiente di lavoro
  • Prima di cominciare
  • Domande Frequenti
Il Dataset
  • Dataset strutturati
  • Dataset non strutturati
  • Analisi di un dataset con Pandas
  • Tipi di dati
  • Label encoding e one-hot encoding
  • Gestire dati mancanti
  • Portare il dataset sulla stessa scala
  • Normalizzazione e standardizzazione di un dataset con Pandas
  • Splitting del dataset
  • Train/Test split con scikit-learn
Apprendimento supervisionato - Regressione
  • Regressione lineare
  • La funzione di costo
  • L'apprendimento dei pesi tramite Gradient Descent
  • Regressione lineare semplice in Python
  • Regressione lineare multipla
  • Regressione lineare multipla in Python
  • Regressione polinomiale
  • Regressione polinomiale in Python
Regolarizzazione e modelli regolarizzati
  • Il problema dell'overfitting
  • Riconoscere l'overfitting
  • Regolarizzazione L1 ed L2
  • Ridge, Lasso ed ElasticNet
Apprendimento supervisionato - Classificazione
  • Regressione logistica
  • Regressione logistica in Python
  • Classificazione multiclasse
  • Classificazione OneVSAll con scikit-learn
Modelli di classificazione non lineari
  • K-Nearest Neighbor (K-NN)
  • K-NN in Python
  • Alberi decisionali
  • Alberi decisionali in Python
  • Foreste casuali
  • Foreste casuali in Python
  • Macchine a vettori di supporto (SVM)
  • SVM in Python
  • Kernel SVM
  • Kernel SVM in Python
  • Reti neurali artificiali (ANN)
  • Addestramento di una rete neurale tramite backpropagation
  • Percettrone Multistrato in Python
Tecniche di validazione ed ottimizzazione
  • Batch, Stochastic e Mini Batch Gradient Descend
  • Stochastic e Mini Batch Gradient Descend con scikit-learn
  • Tecniche di cross validation
  • K-fold cross validation in Python
  • Ottimizzazione degli iperparametri
  • Grid search e Random search in Python
Apprendimento non supervisionato - Clustering
  • K-means Clustering
  • K-means in Python
  • Clustering Gerarchico
  • Clustering Gerarchico in Python
  • DBSCAN
  • DBSCAN in Python
Riduzione della dimensionalità
  • Principal Component Analysis
  • PCA per visualizzare il dataset
  • Selezionare il numero di componenti principali
  • PCA per velocizzare l'addestramento
  • Kernel PCA
  • Linear Discriminant Analysis
  • Confrontare PCA e LDA
Sezione conclusiva
  • I tuoi prossimi passi
  • Scegli la tua Strada !
Prerequisiti: Basi di Programmazione con Python
  • Non sai (ancora) programmare ? Parti da qui
  • Eseguire codice Python
  • Input e output
  • Variabili e tipi di dati
  • Gestire le eccezioni
  • Formattazione
  • Liste e tuple
  • Set e frozenset
  • I dizionari
  • Il ciclo for
  • Ciclo while ed espressioni booleane
  • Istruzioni condizionali e operatori logici
  • Le funzioni
  • Classi e basi di programmazione ad oggetti
  • I moduli e la Standard Library
  • pip e il Python Package Index
Approfondimento: Guida a Jupyter Notebook
  • Installazione di Anaconda
  • I comandi di base
  • Introduzione a Markdown