Guide e Tutorial da esperti di settore per aiutarti nel tuo percorso nella Data Science e Machine Learning
Newsletter su IA, tech e LLM
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
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
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
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
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.
Recensione del manuale di data visualization Storytelling with Data di Cole Nussbaumer Knaflic, esperta di comunicazione visiva. Una lettura consigliata pienamente a tutti gli interessati di data viz.
Prima di effettuare un addestramento di un modello predittivo, è utile ripartire i dati correttamente per evitare l'overfitting e data leakage.
Il modello più comune per rappresentare numericamente del testo è il modello bag of words. Ogni documento del nostro corpus viene rappresentato contando quante volte ogni parola appare in esso.
Tensorflow è il framework creato da Google che permette ai praticanti di machine learning di creare modelli di deep learning ed è spesso la prima soluzione che viene proposta agli analisti che si approcciano per la prima volta al deep learning.
