Caricamento...
OEC022

Machine learning descrittivo

Prezzo

€ 690.00
(Iva esclusa)

Scheda tecnica

Scarica

Giorni

1 gg

I modelli di Machine Learning descrittivi (non supervisionati) sono caratterizzati dal non avere una variabile da prevedere (la «risposta» del modello), come invece avviene in tutti i modelli di ML predittivo. Essi si limitano a cercare informazioni nel dataset. Ad esempio: c’è un modo chiaro per visualizzare i dati? ci sono dei sottogruppi tra le variabili o tra le osservazioni del dataset? Il Machine Learning descrittivo è costituito da un insieme di tecniche ed algoritmi molto diversificato, per rispondere a domande come le precedenti.

Per certi versi, il ML descrittivo è più sfidante di quello predittivo perché, non essendoci risposta, non è possibile verificare in modo oggettivo le prestazioni del modello. A differenza del ML predittivo, ogni valutazione dell’accuratezza dei modelli di ML descrittivo è pertanto soggettiva. Il ML descrittivo è spesso un passo importante dell’Analisi esplorativa dei dati.

Nonostante questi limiti, il ML descrittivo è di crescente importanza per le aziende, con molti casi d’uso interessanti. I modelli descrittivi e predittivi, inoltre, possono agire sinergicamente.


Il corso introduttivo sulla Data Science
  • Introduzione al machine learning
  • Algoritmi supervisionali
    • Classificazione
    • Regressione
  • Algoritmi non supervisionati
    • Clustering
    • Association rules
  • La preparazione dei dati
    • Normalizzazioni
    • Gestione dei missing values
    • Riduzione della dimensionalità
    • La PCA
  • Il clustering
    • Applicazioni: segmentazione/clustering dei clienti. 
    • Misure di somiglianza e differenza. 
    • K-means
    • K-medoids
    • Clustering gerarchico. 
    • Altre tipologie di clustering
    • Valutazione dei modelli di clustering
  • Motori di raccomandazione  e market basket analysis
    • Regole di associazione. 
  • Time-series Analysis (cenni). 
    • La preparazione dei dati


Sede Data P