corso DevOps Artisan – Apprendimento automatico nei fondamenti di TensorFlow/Keras è rivolto a tutti coloro che vogliono saperne di più sull’Intelligenza Artificiale.
In questo corso i partecipanti configureranno l'ambiente, scriveranno le prime righe di codice in Python utilizzando librerie numeriche e tecniche di visualizzazione dei dati. Questo corso può essere utilizzato come fonte di informazioni autonoma o come passo verso il percorso di apprendimento del machine learning.
Per poter partecipare al corso gli studenti devono possedere conoscenze di base Data Science in Pitone.
Modulo 1: Introduzione
- Cos'è il ML?
- Dove posso trovarlo nella vita reale?
- Perché ora?
- Quali sono le tre principali categorie di ML?
- Apprendimento supervisionato
- Apprendimento senza supervisione
- Apprendimento per rinforzo (demo)
- Pipeline ML
Modulo 2: Machine Learning con sci-kit
- Revisione della pipeline ML
- libreria Python scikit
- Rappresentazione dei dati
- Matrice delle caratteristiche
- Matrice di obiettivi
- Esempio di set di dati dell'iride
- API dello stimatore
- Regressione lineare
- Regressione lineare semplice
- Valutazione del modello
- Regressione polinomiale
Laboratorio pratico: eseguire un po' di preelaborazione dei dati, analizzare la differenza tra dati categorici e numerici, tracciare alcuni valori statistici rilevanti e ispezionare visivamente la correlazione tra le caratteristiche
- Selezione del modello migliore
- Il compromesso bias-varianza
- Regressione logistica
- Chi sopravvive al Titanic?
- Ingenuo Bayes
- Bayes ingenuo gaussiano
- Naive Bayes multinomiale
- Bayes categoricamente ingenuo
- k Vicini più vicini
- k-Mezzi Clustering
- Riduzione dimensionale
- Analisi delle Componenti Principali (PCA)
- Decomposizione valore singolare (SVD)
- Alberi decisionali
- Foreste casuali
Laboratorio pratico: Giocare con diversi valori che influenzano il bias e la varianza, calcolare la precisione, il ricordo, i punteggi F1 e F2, confrontare diversi modelli sull'accuratezza dell'allenamento e dei test.
Modulo 3: Reti neurali in Tensorflow/Keras
- Reti Neurali Artificiali (ANN)
- neuroni
- Livelli
- Funzioni di attivazione
- Più vocabolario
- Framework popolari
- Keras
- Regressione lineare
- Definizione dei modelli in Keras
- Formazione e previsione
- Esempio MNIST di moda
Laboratorio pratico: Creazione del nostro primo modello di rete neurale personalizzato; scegliendo il numero di strati e il numero di neuroni per strato; modificando il tasso di apprendimento. Addestrare la rete neurale sui dati del mondo reale.
Modulo 4: Reti Neurali Convoluzionali (anteprima)
- La motivazione dietro le CNN
- Elementi costitutivi della CNN
- Strati di convoluzione
- Livelli di pooling
- CNN a Keras
- Aumento dei dati
- Architetture
Modulo 5: PNL utilizzando il Deep Learning
- Rilevatore di spam
- Analizzatore del sentimento
- Completamento automatico
Modulo 6: Apprendimento per rinforzo
- Demo del Lago Ghiacciato
- Dimostrazione di Flappy Bird
Modulo 7: Sistemi di raccomandazione
- Preparazione dei dati
- Distanza coseno
- SVD per sistemi di raccomandazione
- Demo del codificatore automatico
DevOps Artisan – Apprendimento automatico nei fondamenti di TensorFlow/Keras
