Scopri l’apprendimento supervisionato con scikit-learn
6 capitoli · 51 lezioni
≈ 13 h
Attestato di frequenza
Modificabile dal vostro datore di lavoro, su preventivo e fattura
Crea il tuo account gratuito
11 lezioni sono aperte, senza carta di credito.
Crea il mio account
Ho già un account
I tuoi dati sono ospitati nell'Unione europea. Riservatezza
Descrizione
Come si svolge il corso
Ogni lezione è un testo strutturato, illustrato con esempi e schemi, seguito da un quiz corretto automaticamente. Procedi al tuo ritmo, e le tue note restano collegate alla lezione in cui le hai prese.
Questo formato ti va bene?
Guarda la prima lezione11 lezioni aperte, senza carta di credito.
Programma
6 capitoli, 51 lezioni
- 2. Machine learning con scikit-learnaperto
- 2. Classificazione binariaaperto
- 2. Fasi chiave dell’apprendimento supervisionatoaperto
- 2. Affrontare un problema di classificazioneaperto
- 2. Addestrare un modello con i k vicini più prossimiaperto
- 2. Effettuare previsioni con i k vicini più prossimiaperto
- 2. Valutare le prestazioni del modelloaperto
- 2. Suddividere i dati e misurare l’accuratezzaaperto
- 2. Identificare l'overfitting e l'underfittingaperto
- 2. Analizzare la complessità del modelloaperto
- 3. Introduzione ai principi della regressioneabbonati
- 3. Creare e selezionare le caratteristiche pertinentiabbonati
- 3. Costruire un modello di regressione lineareabbonati
- 3. Rappresentare graficamente un modello di regressione lineareabbonati
- 3. Assimilare i principi fondamentali della regressione lineareabbonati
- 3. Adattare un modello e realizzare previsioniabbonati
- 3. Valutare le prestazioni di un modello di regressioneabbonati
- 3. Scoprire i principi della validazione incrociataabbonati
- 3. Valutare il coefficiente R² tramite validazione incrociataabbonati
- 3. Interpretare gli indicatori di validazione incrociataabbonati
- 3. Migliorare i modelli grazie alla regolarizzazioneabbonati
- 3. Applicare la regolarizzazione Ridge (Cresta)abbonati
- 3. Identificare le caratteristiche importanti con la regressione Lassoabbonati
- 4. Valutare l'affidabilità e la qualità del vostro modelloabbonati
- 4. Scegliere una metrica di valutazione adeguataabbonati
- 4. Valutare un classificatore di previsione del diabeteabbonati
- 4. Scoprire la regressione logistica e la curva ROCabbonati
- 4. Costruire un modello di regressione logisticaabbonati
- 4. Tracciare e interpretare la curva ROCabbonati
- 4. Misurare le prestazioni con l'area sotto la curva ROC (ROC AUC)abbonati
- 4. Comprendere la regolazione degli iperparametriabbonati
- 4. Ottimizzare gli iperparametri con GridSearchCVabbonati
- 4. Esplorare gli iperparametri con RandomizedSearchCVabbonati
- 5. Preparare e trasformare i datiabbonati
- 5. Codificare le variabili categorialiabbonati
- 5. Applicare la regressione ai dati categorialiabbonati
- 5. Gestire i valori mancantiabbonati
- 5. Trattare i dati incompleti tramite eliminazioneabbonati
- 5. Costruire una pipeline per prevedere il genere musicale (1a parte)abbonati
- 5. Completare la pipeline di previsione del genere musicale (2a parte)abbonati
- 5. Standardizzare i dati tramite centratura e ridimensionamentoabbonati
- 5. Applicare la standardizzazione a un modello di regressioneabbonati
- 5. Standardizzare i dati per la classificazioneabbonati
- 5. Confrontare le prestazioni di più modelliabbonati
- 5. Visualizzare i risultati dei modelli di regressioneabbonati
- 5. Effettuare previsioni sui dati di testabbonati
- 5. Confrontare graficamente le prestazioni dei modelli di classificazioneabbonati
- 5. Creare una pipeline per prevedere la popolarità delle canzoniabbonati
- 5. Bilancio delle competenze acquisite nel corsoabbonati
Cosa è incluso
Tutto ciò che accompagna le lezioni
51 lezioniIllustrate con esempi e schemi.
Quiz in ogni lezioneCorrezioni immediate; conta solo il tuo punteggio migliore.
Le tue notePrese durante le lezioni, ritrovate per sezione.
Domande sul corsoPoni le tue domande nella lezione: il team e gli altri studenti rispondono.
Monitoraggio dei progressiPer sezione, con i tuoi risultati ai quiz.
Attestato verificabileNominativo, con un codice unico.
Ritmo
Quanto tempo, in base alla tua disponibilità
Posso dedicarvi, a settimana:
Attestato
Cosa ottieni alla fine
ATTESTATO DI SUPERAMENTOScopri l’apprendimento supervisionato con scikit-learnrilasciato a tuo nome
Codice univocoVerificabile online
Al termine del corso, l’attestato viene rilasciato a tuo nome. Il suo codice permette a un recruiter di verificarlo in pochi secondi.
Non è un diploma né una certificazione professionale; è la prova verificabile che hai seguito e superato questo corso.
Autore
Chi scrive questo corso
ÉQ
Team DATAGOZ
Formatore · DATAGOZ
Una didattica chiara e applicata, con esempi concreti per imparare in modo efficace.
Domande
Prima di iniziare
Nessun prerequisito: il corso parte dalle basi.
Finché il tuo abbonamento è attivo. Se lo interrompi, i tuoi progressi e le tue attestazioni restano conservati.
Un attestato di frequenza DATAGOZ, nominativo e verificabile online tramite il suo codice. Non è un diploma.
Accessibilità. Sei in situazione di disabilità? Scrivi a contact@datagoz.com: valuteremo insieme gli eventuali adattamenti possibili.
Inizia oggi questo corso
11 lezioni aperte, senza carta di credito. Vedrai il livello e il tono prima di decidere.