Guide e Tutorial da esperti di settore per aiutarti nel tuo percorso nella Data Science e Machine Learning
Newsletter su IA, tech e LLM
C'è davvero differenza tra data science, data engineering e data analytics? L'intero processo end-to-end di raccolta, gestione e analisi del dato viene diviso secondo questi tre termini - propongo la mia interpretazione olistica dell'intero processo.
Una attività di feature engineering può essere molto utile per migliorare le performance di un modello predittivo. Questa però può peggiorare i nostri risultati se non teniamo a mente certi principi da evitare.
Creazione di un corpus di dati testuali in Python e taggare i testi al suo interno attraverso logica fuzzy con la libreria The Fuzz. Progetto basato sull'automazione di un task tipicamente molto lungo e noioso.
Calcolare la similarità tra due testi è una attività molto utile nell'ambito del data mining e dell'elaborazione del linguaggio naturale
Scopri cosa distingue Machine Learning e Deep Learning: vantaggi, svantaggi e applicazioni spiegate per aiutarti a scegliere la soluzione giusta per i tuoi progetti AI.
Leggi cosa è la cross-validazione - una tecnica fondamentale per costruire modelli generalizzabili
L'overfitting è un concetto nella data science che si manifesta quando un modello predittivo impara bene a generalizzare i dati di training ma non quelli di test
Una panoramica delle metriche più comuni usate per valutare la qualità di un modello di classificazione binaria
Un tentativo di identificare pattern nel mercato azionario attraverso un algoritmo custom di raggruppamento. Parte 1 di N.
