Data Science
- Description
- Curriculum
- Reviews

CORSO DI DATA SCIENCE
STATISTICA, MACHINE LEARNING, DEEP LEARNING E PYTHON
Introduzione
Introduzione sugli insiemi
Calcolo combinatorio
Probabilità
-
12Introduzione alle probabilità
-
13Gli eventi
-
14La probabilità di un evento
-
15Differenti approcci alla definizione di probabilità
-
16Osservazioni sugli eventi e spazio di prova
-
17Definizione classica di probabilità
-
18Definizione statistica di probabilità
-
19Il valore atteso
-
20La distribuzione di frequenza
-
21Eventi ed i loro complementi
-
22Eventi dipendenti e indipendenti
-
23Legge della probabilità totale
-
24La regola della somma e la regola del prodotto
-
25Teoria di Bayes
Definizione assiomatica della probabilità
Distribuzione di probabilità
-
28Introduzione
-
29Distribuzioni di probabilità per variabili discrete
-
30Distribuzione uniforme discreta
-
31Distribuzione di Bernoulli e distribuzione binomiale
-
32La distribuzione di Poisson
-
33La distribuzione di probabilità per variabili casuali e continue
-
34Distribuzioni normali
-
35Distribuzioni normali standardizzate
-
36Standardizzazione
-
37Distribuzioni T Student
-
38Distribuzione del Chi-quadro
-
39Distribuzione esponenziale
-
40Distribuzione logistica
Introduzione alla statistica
Statistica Descrittiva
-
43Introduzione
-
44Tipi di variabile
-
45Livelli di misurazione
-
46Rappresentazione grafica di variabili categoriche
-
47Rappresentazione grafica di variabili numeriche: distribuzioni di frequenze
-
48Istogrammi
-
49Tabelle a doppia entrata
-
50Diagramma di doppia dispersione
-
51Media, mediana e moda
-
52Varianza e scarto quadratico medio
-
53Covarianza e correlazione
Statistica Inferenziale
Verifica dell'ipotesi
Machine Learning
-
66Introduzione al machine learning
-
67Fondamenti di machine learning
-
68Problematiche del machine learning
-
69Tipi di modelli supervisionati
-
70Tipi di modelli non supervisionati
-
71Basi matematiche delle reti neurali
-
72Manipolazione dei tensori in Numpy
-
73Il concetto dei data batch
-
74Dati vettoriali
-
75Dati di serie temporali o dati sequenziali
-
76Dati di immagini
-
77Dati di video
-
78Operazioni sui tensori, ed operazioni element-wise
-
79Broadcasting
-
80L'operazione dot per i tensori
-
81Interpretazioni geometriche
-
82L'ottimizzazione basata sul gradiente
-
83Derivate
-
84Discesa stocastica del gradiente
-
85L'algoritmo di retropagazione
Reti neurali
-
86Reshaping dei tensori
-
87Anatomia della rete
-
88I layer
-
89Modelli: reti di layer
-
90Funzioni obiettivo ed ottimizzatori
-
91Introduzione a keras
-
92Panoramica di keras
-
93Configurazione di una workstation per il deep-learning: Notebook Jupiter
-
94Svolgere compiti di deep learning nel cloud: pro e contro
Deep learning
Moduli Python per la data science
Dimostrazioni
-
103ANN (Artificial Neural Network) - regression model
-
104Le-Net deep network - traffic sign classification (convolutional model)
-
105Natural Language Processing (email spam filter) with Naive Bayes Classifier
-
106FB prophet project
-
107Prophet Time Series (addittive regression)
-
108User based collaborative filter, movie recommender system
Fonti e risorse
Please, login to leave a review
Recent Comments