24 febbraio 2025 dalle 9.30 alle 17.30
Fondamenti di Python, Analisi Esplorativa e Introduzione al Machine Learning
Introduzione a Python e Analisi Esplorativa
- Setup di Python e conda e introduzione a Jupyter Notebook
- Sintassi di base, variabili, tipi di dati (liste, dizionari, array), strutture di controllo e funzioni
- Librerie di Python: Pandas per la manipolazione dei dati e Plotly per la visualizzazione
- Analisi Esplorativa dei Dati per comprendere pattern nascosti e ottenere insight utili per guidare decisioni aziendali
Introduzione al Machine Learning e Preparazione del Dato
- ML e concetti di apprendimento supervisionato (classificazione e regressione) per trasformare problemi di business in soluzioni risolvibili
- Normalizzazione, standardizzazione e codifica delle variabili categoriali (scikit-learn) per garantire dati di qualità
Esercitazione Pratica con Scikit-learn
- Applicazione pratica delle tecniche di preparazione del dato, inclusa la normalizzazione, standardizzazione e codifica delle variabili categoriali, per preparare un dataset reale per il Machine Learning
25 febbraio 2025 dalle 9.30 alle 17.30
Machine Learning, MLOps e Deep Learning
Training, Validazione e Ottimizzazione dei Modelli
- Tecniche di validazione (holdout, cross-validation) e metriche di valutazione per modelli affidabili per rispondere efficacemente alle esigenze di business
- Introduzione a GridSearchCV, RandomizedSearchCV e tecniche di feature selection per ottimizzare i modelli, ridurre l’overfitting e gestire dati complessi
Esercizi Pratici
- Sviluppo di un modello semplice di Machine Learning
Basi di MLOps e Deep Learning
- Creazione di pipeline con scikit-learn per automatizzare e standardizzare il processo di sviluppo dei modelli
- MLflow per il tracciamento degli esperimenti e la gestione dei modelli
- Introduzione alle Reti Neurali
-
- Neuroni, strati, funzioni di attivazione
- Utilizzo di Keras per la creazione di modelli sequenziali semplici e monitoraggio del training tramite TensorBoard
Esercitazione MLOps
- Creazione di una pipeline completa con scikit-learn, tracciamento degli esperimenti con MLflow e registrazione del modello per un workflow MLOps end-to-end
Esercizi Pratiche
- Implementazione di una rete neurale semplice con Keras, incluso training e valutazione
Andrea Corvaglia, Data Scientist