Come preparare i dati per il machine learning
In questo articolo, imparerai come preparare i tuoi dati per il machine learning, partendo dalla pipeline di preparazione dei dati fino alla divisione in train, validation e test set.
Andrea D'Agostino
Fondatore di Diario Di Un Analista. Quasi 10 anni di esperienza nell'applicare la data science e il machine learning nell'ambito del marketing digitale e data mining.
74 post
La vulnerabilità lavorativa nell'era dell'IA
Pensieri riguardo la preoccupazione che affligge professionisti e non riguardo l'avvento della IA e la paura di essere sostituiti. Parlo di come l'IA non sia una minaccia ma uno strumento da sfruttare quanto prima per migliorare le nostre vite
Introduzione a PyTorch: dal training loop alla predizione
PyTorch con Python: introduzione da addestramento a predizione. PyTorch è uno dei framework di deep learning più famosi e imparare questo strumento diventa fondamentale se si vuole costruire una carriera nel campo della IA applicata.
Il compromesso Bias-Varianza nel Machine Learning
In questo articolo, discuteremo del compromesso tra bias e varianza nel machine learning e di come trovare il giusto equilibrio tra i due può aiutare a migliorare le prestazioni del modello.
Regolarizzazione L1 vs L2 nel Machine Learning: differenze, vantaggi e come applicarle in Python
In questo articolo approfondiremo le tecniche di regolarizzazione L1 e L2 nel Machine Learning e spiegheremo perché sono importanti per prevenire l'overfitting dei modelli. Scopriremo inoltre come applicare queste tecniche utilizzando Python
Addestrare un modello Word2Vec da zero con Gensim
In questo articolo andremo a esplorare Gensim, una libreria Python molto famosa per addestrare modelli di machine learning basati sul testo, per addestrare un modello Word2Vec da zero
Benchmark di modelli di machine learning con cross-validazione e visualizzazione in Python
Scopri come creare una classe chiamata Benchmark in Python per confrontare e valutare le prestazioni dei modelli di apprendimento automatico utilizzando la validazione incrociata e la visualizzazione dei risultati
Migliorare i propri modelli di dati con Pydantic
Pydantic è una libreria Python che ci consente di strutturare e convalidare i dati in modo efficiente. Applicazioni in Python e nel contesto del Machine Learning
Tecniche di data visualization: dal grafico allo storytelling
Una guida alla data visualization e ai principi che la sorreggono. Visualizzare grafici efficaci e fare storytelling per migliorare le abilità di comunicazione visiva e presentazioni.