Autoplay
Autocompleta
Precedente
Prossima
ML in Python - Capire gli algoritmi più importanti
Intro agli algoritmi da conoscere
L'intuizione visiva dietro ogni algoritmo (7:55)
Spazio degli input vs Spazio dei parametri (9:28)
Classificatore vs Regressore (9:27)
Classificatore multiclass (5:50)
Apprendimento Supervisionato vs Non supervisionato (6:17)
Modelli lineari
Minimizzare l'errore (5:27)
Il modello lineare (3:14)
Retta, piano, iperpiano (2:55)
Superficie dell'errore (3:40)
Discesa del gradiente (5:38)
La regola delta (4:51)
Regressione logistica (2:51)
PRO e CONTRO dei modelli lineari (3:23)
Altri algoritmi supervisionati
kNN (5:56)
Classificatore bayesiano, intuizione (7:56)
Classificatore bayesiano, probabilità condizionata (4:24)
Classificatore bayesiano, teorema di Bayes (2:36)
Classificatore bayesiano, dimostrazione (2:33)
Classificatore bayesiano, PRO e CONTRO (2:12)
Albero di decisione, intuizione (8:57)
Albero di decisione, domande frequenti (1:43)
Albero di decisione, purezza di Gini (7:23)
Albero di decisione, PRO e CONTRO (2:33)
Apprendimento non supervisionato
K-means clustering, intuizione (8:38)
K-means, come scegliere K (3:20)
K-means, come visualizzare i cluster (4:57)
K-means, come si calcola il centroide (4:11)
K-means, come si calcola l'inerzia (3:33)
K-means, PRO e CONTRO (1:17)
Principal Component Analysis, a cosa serve (6:40)
PCA, intuizione visiva (4:33)
PCA, matematica (8:46)
PCA, come scegliere il numero di componenti (1:55)
PCA, PRO e CONTRO (1:29)
Accenni al deep learning
Il neurone biologico (3:19)
Il neurone simulato (4:22)
Strati di neuroni e non linearità (3:54)
Intuizione visiva di come funziona una rete (9:39)
Backpropagation (6:51)
La rivoluzione del Deep Learning (1:50)
Reti a convoluzioni (7:54)
Reti ricorrenti, LSTM e Transformer (5:06)
Reti generative avversarie (3:48)
Transfer learning (6:29)
PRO e CONTRO del deep learning (7:42)
Teach online with
K-means, come visualizzare i cluster
Contenuto bloccato
Se sei già iscritto,
Dovrai fare login
.
Iscriviti per sbloccare