University of St Andrews - Online

Corso intermedio: Apprendimento automatico end-to-end

Migliorate la vostra esperienza nell'apprendimento automatico approfondendo algoritmi più complessi e applicazioni reali.

Questo breve corso è rivolto ai professionisti che desiderano comprendere i concetti e le tecnologie alla base del moderno apprendimento automatico.

In questo corso, imparerete a conoscere i moderni metodi di apprendimento automatico attraverso cinque argomenti:

• La classificazione spiega come prevedere al meglio classi discrete, ad esempio accettare o rifiutare richieste di credito.
• Training Models introduce i metodi utilizzati per risolvere il problema centrale dell'ottimizzazione: quale variante di una classe di modelli presenta l'errore minore?
• Trees & Random Forests esplora come i modelli ad albero possano essere derivati, estesi e distribuiti per produrre modelli con stime convalidate delle prestazioni su nuove istanze di dati.
• La Riduzione della dimensionalità tratta le motivazioni e i metodi applicabili alla riduzione del numero di caratteristiche utilizzate nei modelli di apprendimento automatico predittivo.
• L'apprendimento non supervisionato considera come apprendere e distribuire modelli per i quali non esiste una variabile target.

Per ogni argomento viene fornito e spiegato il codice Python avanzato. I risultati principali dell'apprendimento sono la determinazione di quali modelli sono applicabili a dati e obiettivi diversi e l'esecuzione della regolazione degli iperparametri o della selezione del modello in base al modello stesso.