Il corso fornisce ai partecipanti una solida introduzione al campo del machine learning, introducendo i concetti di base, le tecniche e gli algoritmi utilizzati nella disciplina. Il corso esplora i tipi di approcci all'apprendimento automatico, come l'apprendimento supervisionato, non supervisionato e con ricompensa, nonché i vari algoritmi utilizzati nello sviluppo di soluzioni basate sull'apprendimento automatico. I partecipanti apprenderanno la gestione dei dati, l'infrastruttura necessaria e come valutare e implementare soluzioni di machine learning in diversi contesti.
Il corso è rivolto a persone che vogliono familiarizzare con i concetti e le tecniche di base del machine learning, senza richiedere precedenti esperienze sul campo. Questo corso è adatto a studenti, professionisti IT, analisti di dati, ricercatori e chiunque sia interessato a comprendere e applicare l'apprendimento automatico in diversi contesti. Le conoscenze acquisite in questo corso serviranno come solida base per ulteriori esplorazioni nel campo dell'apprendimento automatico e dell'intelligenza artificiale.
Al termine del corso i partecipanti acquisiranno conoscenze e competenze quali:
• Comprendere i concetti e i principi di base dell'apprendimento automatico, come l'apprendimento supervisionato, non supervisionato e con ricompensa, e gli approcci e i tipi associati.
• Familiarità con algoritmi e modelli fondamentali nell'apprendimento automatico, come classificazione, regressione, clustering e riduzione della dimensionalità, per risolvere problemi specifici.
• Comprendere i rischi e le sfide legati all'utilizzo dell'apprendimento automatico, compresi i problemi di bias, interpretabilità dei modelli e privacy dei dati.
• Gestire l'infrastruttura dei dati e dell'apprendimento automatico per addestrare modelli di apprendimento automatico e gestire le risorse necessarie per implementare efficacemente il processo di apprendimento automatico.
• Scelta e valutazione di modelli di machine learning idonei per vari problemi, set di dati e confronto delle prestazioni dei modelli.
Questo corso non richiede conoscenze tecniche.
• Introduzione all'apprendimento automatico
• Approcci e tipologie di machine learning: apprendimento supervisionato, apprendimento non supervisionato, apprendimento con ricompensa
• Algoritmi fondamentali nell'apprendimento automatico: classificazione, regressione, clustering, riduzione della dimensionalità
• Gestione dei dati e infrastruttura per l'apprendimento automatico
• Selezione e valutazione dei modelli
• Introduzione al deep learning
• Applicazioni pratiche e casi di studio
• Rischi e sfide nell'utilizzo dell'apprendimento automatico
Il corso non è associato ad alcun programma di certificazione.
