Intro agli algoritmi da conoscere
Modelli lineari
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)
