Percorso IAFase 3 di 5 · gratuita
Corso gratuito di machine learning e valutazione dei modelli
Apprendimento automatico e valutazione
Come imparano i modelli, come si valutano, come generalizzano e come si usano in modo responsabile.
- 25 lezioni · 7 h 44 min
- Si apre con: Esame della Fase 2
Il programma
Unità 1 · Il problema di apprendimento
- Dal problema di lavoro al problema di machine learning18 min
- Caratteristiche, etichette e divisione dei dati18 min
- Il primo modello: la regressione lineare20 min
- Classificare: la regressione logistica20 min
- Alberi di decisione18 min
Unità 2 · Valutare un modello
- Misurare gli errori di una previsione numerica18 min
- Matrice di confusione, precisione e richiamo20 min
- Soglie, curva ROC e scelta in base ai costi20 min
- Il confronto che conta: la baseline15 min
- Validazione incrociata18 min
Unità 3 · Generalizzare
- Sovradattamento e sottoadattamento18 min
- Regolarizzazione, scala delle variabili e pipeline20 min
- Fughe di informazione (data leakage)18 min
- Eventi rari e classi sbilanciate18 min
- Costruire le caratteristiche giuste20 min
Unità 4 · Modelli più potenti e dati senza etichette
- Molti alberi insieme: le foreste casuali20 min
- Correggere gli errori un passo alla volta: il gradient boosting20 min
- Trovare gruppi senza etichette: k-means20 min
- Riassumere molte colonne in poche: l'analisi delle componenti principali15 min
- Classificare testi: dalle parole ai numeri20 min
Unità 5 · Dal modello alla decisione responsabile
- Capire che cosa usa il modello20 min
- Misurare l'equità tra gruppi20 min
- Probabilità di cui fidarsi: la calibrazione15 min
- Dopo il rilascio: cambiamenti nei dati e monitoraggio20 min
- Documentare il modello: la scheda del modello15 min
Come funziona
- Lezioni brevi da 15/20 minuti, divise in blocchi.
- Esempi, domande e dati degli esercizi sul settore in cui lavori.
- Autoverifiche a fine lezione, un quiz per unità e un esame per fase, con attestato verificabile.
- Tutto gratuito e open source, in italiano.