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.
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.
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.
Prevedere il prossimo punto in una serie temporale univariata con Tensorflow e Keras attraverso l'utilizzo di una rete neurale sequenziale basata su LSTM bidirezionali