Machine Learning Foundations

Il Machine Learning ha talmente tanti algoritmi diversi che spesso non è chiaro da dove iniziare né quali servano davvero nella pratica. Machine Learning Foundations di Data Masters prova a risolvere questo problema concentrando in un unico corso gli algoritmi più usati, dai più classici ai più recenti.

Come Machine Learning Foundations affronta gli algoritmi

Il corso copre le tecniche di apprendimento supervisionato, gli algoritmi di clustering come k-means e DBSCAN, e le tecniche di riduzione della dimensionalità come PCA e t-SNE. Sul fronte della classificazione, tratta modelli probabilistici come Naive Bayes insieme ad algoritmi più noti come KNN e SVM, oltre a modelli di ensemble come Random Forest, XGBoost, CatBoost e Gradient Boosting.

Sono incluse anche esercitazioni guidate scaricabili, pensate per mettere subito in pratica ogni algoritmo appena spiegato invece di limitarsi alla teoria, oltre a una parte dedicata alla selezione delle caratteristiche rilevanti e alla valutazione delle prestazioni dei modelli costruiti.

Non è un corso introduttivo alla programmazione: presuppone una base già presente su Python o strumenti simili, dato che il focus resta sugli algoritmi e non sulla sintassi del linguaggio. Chi conosce già i concetti di base del machine learning può comunque trovarlo utile come ripasso organizzato, prima di passare a modelli più complessi come le reti neurali. Per chi vuole allargare il percorso, Data Masters propone anche Generative AI, e l'elenco completo è tra i corsi di Informatica.