Cerca nel Forum

Udemy - Python per l'analisi dei dati e il Machine Learning - ITA Un approccio didattico diverso alla programmazione in Python finalizzato all'analisi dei dati Cosa imparerai: Aquisire dati da svariate fonti, pulirli, trasformarli e analizzarli con Python Creare e utilizzare algoritmi di Machine Learning con Python Utilizzare la libreria Pandas per l'analisi dei dati Programmare in Python L'obiettivo di questo corsi è fornirti uno degli strumenti più potenti e versatili per analizzare i dati: il linguaggio Python. In questo contesto con il termine "Analisi dei dati" non mi riferisco alla creazione di grafici o a tecniche di Data Visualization, temi comunque importanti ma che non sono oggetto delle lezioni. In questo corso vedremo invece come usare Python nell'intero processo di trasformazione dei dati in informazioni, che prevede ad esempio: l'acquisizione dei dati da file di formato differente; la gestione dei tipi e dei data mancanti; l'individuazione dei dati che rispettano particolari proprietà; la combinazione e l'aggregazione in un unico output di dati proveniente da più fonti di input; le operazioni di trasformazione, pulizia e decodifica dei dati; l'applicazione di algoritmi di Machine Learning per risolvere problemi dal punto di vista statistico/matematico. Requisiti: - Microsoft Windows o Mac - Formato: mp4 Size: 2 GB BUON DOWNLOAD https://www.filecrypt.cc/Container/E19FB11E22.html

Udemy - Machine Learning E Data Science In Python: Il Corso Completo - ITA Impara a creare algoritmi di Machine Learning con Python e Scikit-learn - Regressione, Classificazione, Clustering Cosa imparerai: Padroneggiare il machine learning con Python Analisi di un dataset per estrapolare informazioni utili Funzionamento dei modelli di machine learning più diffusi Utilizzare il machine learning su problemi reali Differenza tra modelli supervisionati e non supervisionati Scegliere ed ottimizzare un modello di machine learning Eseguire predizioni e classificazioni partendo dai dati Eseguire clustering per raggruppare automaticamente dati simili Imparare ad utilizzare Pandas e Scikit-learn Lavorare con iPython e Jupyter Notebook Richiede Basi di matematica da scuola superiore Conoscere un qualsiasi linguaggio di programmazione può aiutare, ma non è indispensabile in quanto il corso contiene una sezione con tutti i prerequisiti necessari Fai un passo verso il futuro: AI, Machine Learning e Data Science.Sai cosa accomuna il successo dei più grandi colossi del web come Google, Amazon e Facebook ? L'utilizzo che hanno fatto del machine learning. Il machine learning è la branca dell'intelligenza artificiale che ha lo scopo di insegnare ai computer ad apprendere autonomamente, senza essere esplicitamente programmati. Il machine learning non è una novità, ma è finito sotto la luce dei riflettori solo con il nuovo millennio, per due motivi: L'enorme quantità di dati oggi disponibile sul web. Il progresso della tecnologia e il crescente aumento della potenza di calcolo. Questi due fattori, uniti alle sue innumerevoli applicazioni commerciali, stanno contribuendo alla crescita vertiginosa del machine learning che sta trascinando con se l'intero campo dell'intelligenza artificiale.In questo corso pratico imparerai come funziona il machine learning e come utilizzarlo in maniera pratica, utilizzando il linguaggio Python e librerie popolari come Scikit-learn, Pandas e PyPlot.Vuoi dare una svolta alla tua carriera ? L'esperto di machine learning è la professione del futuro e Linkedin lo conferma; secondo una loro recente ricerca il Machine Learning Engineer è la nuova figura più ricercata dalle aziende con un tasso di crescita di quasi il 1000% negli ultimi 5 anni ed è subito seguito dal Data Scientist. Al termine di questo corso avrai acquisito l'esperienza pratica e le intuizioni teoriche necessarie per lanciare la tua carriera in entrambe queste due nuove professioni. Requisiti: - Microsoft Windows o Mac - Formato: mp4 Size: 5.81 GB BUON DOWNLOAD https://www.filecrypt.cc/Container/3CE148A7A1.html

Deep Learning e Reti Neurali con Python: il Corso Completo [Udemy] eLearning | Durata: 12,5 Ore | OS: Windows, Mac OSX | 4,4 Gb Lingua: Italiano Apprendi i segreti del Deep Learning e impara a creare le tue Reti Neurali Artificiali con Python, Keras e Tensorflow. L'Intelligenza Artificiale sta facendo progressi esponenziali, avanzando come nessuna tecnologia aveva mai fatto prima nella storia dell'uomo, e il merito è di un solo e unico campo: il Deep Learning. Il Deep Learning è l'insieme di metodi utilizzati per addestrare le Reti Neurali Artificiali, un particolare modello del Machine Learning che hanno rivoluzionato l'intero settore. Applicazione pratiche di Deep Learning e Reti Neurali Artificiali sono già intorno a noi: Le self-driving cars che cambieranno come mai prima d'ora la mobilità urbana. Gli assistenti virtuali come Alexa di Amazon e Gogle Home che sono sempre più presenti all'interno delle nostre abitazioni. Sistemi intelligenti come IBM Watson che ogni giorno aiutano medici a fare diagnosi migliori salvando vite umane. In questo corso esploreremo il funzionamento del Deep Learning e impareremo insieme a creare i nostri modelli di Reti Neurali Artificiali utilizzando Python e Keras su Tensorflow per risolvere problemi differenti, come: - Identificare tumori maligni. - Riconoscere capi di abbigliamento nelle foto. - Classificare recensioni come positive o negative. Requisiti: - Microsoft Windows o Mac - Formato: mp4 Download Links Easybytez - Rapidgator https://filecrypt.cc/Container/B76ABD677C.html https://www.keeplinks.org/p95/6315b5cd677f0 Password: programmi

Machine Learning da zero con Python [Udemy] eLearning | Durata: 7 Ore | OS: Windows, Mac OSX | 3,2 Gb Lingua: Italiano Reti Neaurali e Deep Learning con TensorFlow, Keras e Scikit Learn. Tutti parlano di Machine Learning ma capiamo davvero di cosa si tratta? Quali sono le basi? Come possiamo creare i nostri algoritmi? Perché è importante saperlo? In questo corso spiegheremo i concetti più importanti che dobbiamo conoscere sul Machine Learning in modo pratico e divertente. Passeremo poco a poco da concetti semplici ad aspetti più complessi, in modo che tu possa imparare in modo facile e intuitivo. Il corso è progettato in modo che tu possa imparare da zero, senza la necessità di avere una conoscenza preliminare di questo mondo. Requisiti: - Microsoft Windows o Mac - Formato: mp4 Download Links Easybytez - Rapidgator https://filecrypt.cc/Container/85DB203312.html https://www.keeplinks.org/p95/62fe33bdb0441 Password: programmi

Udemy - Machine Learning E Data Science In Python: Il Corso Completo - ITA Impara a creare algoritmi di Machine Learning con Python e Scikit-learn - Regressione, Classificazione, Clustering Cosa imparerai: Padroneggiare il machine learning con Python Analisi di un dataset per estrapolare informazioni utili Funzionamento dei modelli di machine learning più diffusi Utilizzare il machine learning su problemi reali Differenza tra modelli supervisionati e non supervisionati Scegliere ed ottimizzare un modello di machine learning Eseguire predizioni e classificazioni partendo dai dati Eseguire clustering per raggruppare automaticamente dati simili Imparare ad utilizzare Pandas e Scikit-learn Lavorare con iPython e Jupyter Notebook Richiede Basi di matematica da scuola superiore Conoscere un qualsiasi linguaggio di programmazione può aiutare, ma non è indispensabile in quanto il corso contiene una sezione con tutti i prerequisiti necessari Fai un passo verso il futuro: AI, Machine Learning e Data Science.Sai cosa accomuna il successo dei più grandi colossi del web come Google, Amazon e Facebook ? L'utilizzo che hanno fatto del machine learning. Il machine learning è la branca dell'intelligenza artificiale che ha lo scopo di insegnare ai computer ad apprendere autonomamente, senza essere esplicitamente programmati. Il machine learning non è una novità, ma è finito sotto la luce dei riflettori solo con il nuovo millennio, per due motivi: L'enorme quantità di dati oggi disponibile sul web. Il progresso della tecnologia e il crescente aumento della potenza di calcolo. Questi due fattori, uniti alle sue innumerevoli applicazioni commerciali, stanno contribuendo alla crescita vertiginosa del machine learning che sta trascinando con se l'intero campo dell'intelligenza artificiale.In questo corso pratico imparerai come funziona il machine learning e come utilizzarlo in maniera pratica, utilizzando il linguaggio Python e librerie popolari come Scikit-learn, Pandas e PyPlot.Vuoi dare una svolta alla tua carriera ? L'esperto di machine learning è la professione del futuro e Linkedin lo conferma; secondo una loro recente ricerca il Machine Learning Engineer è la nuova figura più ricercata dalle aziende con un tasso di crescita di quasi il 1000% negli ultimi 5 anni ed è subito seguito dal Data Scientist. Al termine di questo corso avrai acquisito l'esperienza pratica e le intuizioni teoriche necessarie per lanciare la tua carriera in entrambe queste due nuove professioni. Requisiti: - Microsoft Windows o Mac - Formato: mp4 Size: 5.81 GB BUON DOWNLOAD https://www.filecrypt.cc/Container/3CE148A7A1.html

Udemy - Python per l'analisi dei dati e il Machine Learning - ITA Un approccio didattico diverso alla programmazione in Python finalizzato all'analisi dei dati Cosa imparerai: Aquisire dati da svariate fonti, pulirli, trasformarli e analizzarli con Python Creare e utilizzare algoritmi di Machine Learning con Python Utilizzare la libreria Pandas per l'analisi dei dati Programmare in Python L'obiettivo di questo corsi è fornirti uno degli strumenti più potenti e versatili per analizzare i dati: il linguaggio Python. In questo contesto con il termine "Analisi dei dati" non mi riferisco alla creazione di grafici o a tecniche di Data Visualization, temi comunque importanti ma che non sono oggetto delle lezioni. In questo corso vedremo invece come usare Python nell'intero processo di trasformazione dei dati in informazioni, che prevede ad esempio: l'acquisizione dei dati da file di formato differente; la gestione dei tipi e dei data mancanti; l'individuazione dei dati che rispettano particolari proprietà; la combinazione e l'aggregazione in un unico output di dati proveniente da più fonti di input; le operazioni di trasformazione, pulizia e decodifica dei dati; l'applicazione di algoritmi di Machine Learning per risolvere problemi dal punto di vista statistico/matematico. Requisiti: - Microsoft Windows o Mac - Formato: mp4 Size: 2 GB BUON DOWNLOAD https://www.filecrypt.cc/Container/E19FB11E22.html

Dmitry Zinoviev - Data Science con Python. Dalle stringhe al machine learning, le tecniche essenziali per lavorare sui dati (2017) AZW3/PDF/EPUB La data science è una materia in rapida evoluzione le cui applicazioni spaziano in ambiti diversi della nostra vita. Questo libro insegna a trasformare database caotici e dati non strutturati in dataset omogenei e ordinati attraverso l'impiego degli strumenti essenziali del linguaggio Python per il data mining, il machine learning, la network analysis e l'elaborazione del linguaggio naturale. Il lettore impara ad acquisire dati numerici e testuali eterogenei da fonti diverse come semplici file locali, database e il Web. Scopre come ripulirli e normalizzarli. Lavora su basi di dati SQL e NoSQL, applica strumenti per la rappresentazione grafica e scopre i modelli di analisi statistiche e predittive più utilizzati nel campo del machine learning. Una lettura dedicata a studenti e docenti, ai professionisti alle prime armi e agli sviluppatori in cerca di una guida di riferimento. I requisiti fondamentali sono una normale esperienza di programmazione in Python e un ambiente di sviluppo con installata la versione 3.3 (o superiore) del linguaggio oltre ai moduli e alle librerie specifiche indicate nel testo. Download Links https://filecrypt.cc/Container/4BC5E8B5A3.html https://www.keeplinks.org/p45/5f478ca64a9c8

Sebastian Raschka - Machine Learning con Python. Costruire algoritmi per generare conoscenza (2017) EPUB/AZW3/PDF Elaborare il magma di dati oggi disponibili è una sfida affascinante e imprescindibile per il mondo contemporaneo dove la conoscenza e l'informazione sono il primo valore. Il machine learning è la risposta: grazie ai suoi algoritmi è possibile creare macchine in grado apprendere in maniera automatica e rispondere alle domande chiave per il successo. Questo libro accompagna nel mondo del machine learning e mostra come Python sia il linguaggio di programmazione ideale per costruire algoritmi sofisticati in grado di interrogare i dati nel modo migliore e recuperare preziosi insight. Viene spiegato l'utilizzo di librerie Python dedicate - tra cui scikit-learn, Theano e Keras - applicate in ambiti come la selezione e la compressione dei dati, l'analisi del linguaggio naturale, l'elaborazione di previsioni, il riconoscimento delle immagini. L'approccio didattico è pragmatico: tutti i concetti sono accompagnati da esempi pratici di codice. La lettura è consigliata a chi ha già alle spalle qualche studio teorico nel campo del machine learning oltre a una buona conoscenza di programmazione in Python. Download Links https://filecrypt.cc/Container/9D6E8A6896.html https://www.keeplinks.org/p45/5f4788a843469

Corso pratico di Machine Learning con R [Udemy] eLearning | Durata: 11,5 ore | OS: Windows, Mac OSX | 5.9 GB Lingua: Italianoo Inizia la tua carriera di Data Scientist imparando a costruire modelli di regressione, classificazione e clustering. Cosa imparerai Sarai capace di realizzare modelli di Machine Learning in totale autonomia, sia per problemi di classificazione che di regressione e clustering, sia in casi supervisionati che non supervisionati Saprai come usare algoritmi di Linear Regression (semplice, multipla e non lineare), Logistic Regression, LDA (Linear Discriminant Analysis), QDA (Discriminant Quadratic Analysis), KNN (K-Nearest Neighbours) e K-Means Imparerai a valutare i risultati di un modello di Machine Learning Saprai come scegliere il modello di Machine Learning più appropriato per il caso in esame Imparerai ad usare il linguaggio di programmazione R in RStudio Requisiti Un computer su cui installare R e RStudio (free) Propensione al pensiero algoritmico Conoscenza di base della statistica descrittiva (concetti di media, deviazione standard, .) e della notazione matematica (sommatoria, uso degli indici, .) Una minima esperienza di programmazione (con qualsiasi linguaggio) aiuterà ad avanzare nel corso più velocemente Descrizione Questo corso ha un solo focus: abilitare all'uso del Machine Learning in R. Tutto dunque orbita attorno all'obiettivo di consentire agli studenti di realizzare i loro modelli di Machine Learning in autonomia, usando R. Per raggiungere questo risultato sono stati inseriti molti tutorial, dove si eseguono tutti i passi uno alla volta. Al tempo stesso ci sono delle sessioni teoriche che consentono di capire i principi dietro i vari algoritmi o strategie. Con questo corso imparerai i principi alla base del Machine Learning, gli algoritmi più diffusi ed i comandi R per poter creare modelli sia per problemi di Regressione, sia di Classificazione, sia di Clustering. Ciò che distingue spesso un Data Scientist mediocre da uno eccellente è la sua capacità di valutare e scegliere i modelli migliori. Per questo motivo nel corso verranno insegnate e messe in pratica tecniche specifiche proprio per fare questo. Nel complesso presenteremo ed utilizzeremo 8 diversi algoritmi, potrai seguire più di 11 ore di video suddivise in oltre 120 lezioni. Avrai inoltre a disposizione quasi 300 pagine di slide in formato pdf che potrai scaricare divise per sezioni e consultare in ogni momento. Anche il codice sorgente degli script R che realizzeremo durante il corso sarà a tua disposizione, e potrai scaricarlo ed usarlo nella tua console di R. Infine, per facilitare l'apprendimento, ho realizzato degli appositi Quiz di fine Sezione. Grazie ai Quiz potrai ricordare più facilmente quanto studiato durante la Sezione e quindi imparare di più e meglio ;) Con questo corso apprenderai quelle competenze concrete che ti servono per applicare il Machine Learning a problemi reali. A chi è dedicato il corso Chi vuole diventare un Data Scientist, ed ha bisogno di sviluppare la parte di Machine Learning Data Scientist Junior che vogliono rafforzarsi nel Machine Learning e R Chiunque voglia creare sistemi di Machine Learning, anche senza diventare un Data Scientist Chi vuole capire i principi del Machine Learning in maniera pratica e concreta Chi vuole imparare ad usare R per fare Machine Learning Requisiti: - Microsoft Windows o Mac - 20 Gb di Hard Disk Schermate Download Links Easybytez - Shareonline - Rapidgator https://filecrypt.cc/Container/A7C63FF575.html https://www.keeplinks.org/p95/5da497432d321 Password: programmi

Machine Learning con Python: il Corso Pratico [Udemy] eLearning | Durata: 10 ore | OS: Windows, Mac OSX | 3.5 GB Lingua: Italianoo Impara a creare algoritmi di Machine Learning con Python e Scikit-learn - Regressione, Classificazione, Clustering. Cosa imparerai Padroneggiare il machine learning con Python Analisi di un dataset per estrapolare informazioni utili Funzionamento dei modelli di machine learning più diffusi Utilizzare il machine learning su problemi reali Differenza tra modelli supervisionati e non supervisionati Scegliere ed ottimizzare un modello di machine learning Eseguire predizioni e classificazioni partendo dai dati Eseguire clustering per raggruppare automaticamente dati simili Imparare ad utilizzare Pandas e Scikit-learn Lavorare con iPython e Jupyter Notebook Requisiti Conoscenza basilare di programmazione in Python Basi di matematica da scuola superiore Descrizione Fai un passo verso il futuro: AI, Machine Learning e Data Science. Sai cosa accomuna il successo dei più grandi colossi del web come Google, Amazon e Facebook ? L'utilizzo che hanno fatto del machine learning. Il machine learning è la branca dell'intelligenza artificiale che ha lo scopo di insegnare ai computer ad apprendere autonomamente, senza essere esplicitamente programmati. Il machine learning non è una novità, ma è finito sotto la luce dei riflettori solo con il nuovo millennio, per due motivi: L'enorme quantità di dati oggi disponibile sul web. Il progresso della tecnologia e il crescente aumento della potenza di calcolo. Questi due fattori, uniti alle sue innumerevoli applicazioni commerciali, stanno contribuendo alla crescita vertiginosa del machine learning che sta trascinando con se l'intero campo dell'intelligenza artificiale. In questo corso pratico imparerai come funziona il machine learning e come utilizzarlo in maniera pratica, utilizzando il linguaggio Python e librerie popolari come Scikit-learn, Pandas e PyPlot. Vuoi dare una svolta alla tua carriera ? L'esperto di machine learning è la professione del futuro e Linkedin lo conferma; secondo una loro recente ricerca il Machine Learning Engineer è la nuova figura più ricercata dalle aziende con un tasso di crescita di quasi il 1000% negli ultimi 5 anni ed è subito seguito dal Data Scientist. Al termine di questo corso avrai acquisito l'esperienza pratica e le intuizioni teoriche necessarie per lanciare la tua carriera in entrambe queste due nuove professioni. Vuoi fondare la tua startup nel campo dell'AI ? Il valore totale del mercato dell'intelligenza artificiale nel 2016 era di 1.3 miliardi di dollari; secondo una ricerca di un'importante società di analisi americana il suo valore per il 2025 potrebbe superare il 60 miliardi. L'AI è la next big thing e il machine learning ne è il cuore pulsante. Seguendo questo corso otterrai una visione generale del machine learning e come questo si lega all'intelligenza artificiale e potrai utilizzare queste tue nuove conoscenze per dare vita al tuo business. A chi è rivolto questo corso ? Questo corso fa per te se: Vuoi imparare le principali tecniche del machine learning e metterle in pratica da subito, sapendo cosa avviene sotto ogni algoritmo ma senza perderti in matematicismi eccessivi. Questo corso non fa per te se: Hai studiato tanta matematica e vuoi continuare a vederne tanta, sei più per la teoria che per la pratica, ami i formalismi e preferisci apprendere da chi ha almeno il doppio dei tuoi anni. I contenuti del corso Inizieremo il corso esplorando in breve il vasto campo dell'intelligenza artificiale, come il machine learning si inserisce al suo interno e come quest'ultimo è legato al data science. Costruiremo insieme il tuo ambiente di lavoro, in base alle tue personali esigenze e preferenze. Subito dopo cominceremo a sporcarci le mani lavorando sul nostro primo dataset. Vedremo insieme le principali tecniche di data preprocessing e feature engineering, ovvero come ottimizzare e manipolare un dataset per renderlo un buon input per un algoritmo di machine learning. Dopo aver appreso come lavorare con un dataset potremo iniziare a parlare di machine learning. Ti saranno presentati i due principali tipi di apprendimento: Apprendimento supervisionato. Apprendimento non supervisionato Eseguiremo una regressione per stimare il valore di un'abitazione in base a diverse sue caratteristiche, come metratura, piani e numero di stanze, e studieremo brevemente i principali modelli per questo tipo di problema: Regressione lineare semplice Regressione polinomiale Regressione multipla. Affronteremo il problema di overfitting e come bias e varianza lo controllano, per contrastarlo studieremo i principali modelli di regressione regolarizzati: - Lasso - Ridge Regression - Elasticnet Al termine di questa sezione avrai ottime basi di regressione e saprai come creare i tuoi modelli autonomamente, quindi potremo passare al secondo tipo di problema: la classificazione. Eseguiremo la nostra prima classificazione, utilizzando un dataset contenente immagini di cifre scritte a mano (MNIST). Cominceremo con un modello di classificazione lineare: la regressione logistica, vedendo come questa può essere utilizzata per classificare esempi tra due classi o classi multiple. Proseguiremo osservando i limiti di modelli lineari e i vantaggi di un approccio non lineare, quindi vedremo i principali modelli di questa nuova categoria: - Alberi e foreste - Kernel SVM - Nearest neighbors - Reti neurali artificiali A questo punto saprai già come costruire i tuoi modelli per i due principali problemi dell'apprendimento supervisionato: regressione e classificazione. Concluderemo la sezione con tecniche di debugging e ottimizzazione per rendere i tuoi modelli robusti e velocizzare la fase di addestramento. Infine passeremo alla seconda categoria di apprendimento: l'apprendimento non supervisionato. Affronteremo il problema del clustering, ovvero come creare automaticamente dei gruppi di dati riconoscendo delle caratteristiche condivise all'interno del dataset; a questo scopo studieremo l'algoritmo di clustering più diffusi, sia in ambito accademico che industriale: K-Means Clustring Gerarchico DBSCAN Termineremo il corso con alcuni consigli su come proseguire, raccomandazioni su libri da leggere per approfondire la parte teorica e competizioni Kaggle a cui partecipare per affinare le skills pratiche. A chi è dedicato il corso Programmatori e sviluppatori che vogliono trovare lavoro nei settori di machine learning e intelligenza artificiale Imprenditori e startupper che vogliono fondare una nuova azienda tecnologica nel campo dell'intelligenza artificiale Requisiti: - Microsoft Windows or Mac Schermate Download Links Easybytez - Rapidgator - Nitroflare https://filecrypt.cc/Container/BF1DC6C5CB.html https://www.keeplinks.co/p95/5cffb0b414835 Password: programmi

Guida completa al Deep Learning e alle reti neurali [Udemy] eLearning | Durata: 11 ore | OS: Windows, Mac OSX | 2.5 GB Lingua: Italianoo Il corso completo per imparare le reti neurali e il deep learning con i linguaggi di programmazione R e Python. Cosa imparerai Imparare a impostare un modello di rete neurale con R e Python Imparare a utilizzare Keras per R e per Python Scoprire come funziona e come utilizzare una rete neurale tramite TensorFlow e Keras Analizzare la struttura di una rete neurale e come essa apprende tramite il metodo della backpropagation Utilizzare le reti neurali per il machine learning su un dataset di tipo classico Capire come il computer 'vede' delle immagini e come impostare una rete perché preveda il contenuto di un'immagine tramite le reti convoluzionali Requisiti Conoscenze base di R e Python Conoscenze base del machine learning Interesse ad acquisire delle conoscenze specifiche nel deep learning Descrizione Questo corso sul Deep Learning e reti neurali mira ad essere una guida e un punto di partenza per chi si avvicini allo studio delle reti neurali con i linguaggi R e / o Python. Le reti neurali sono l'ultima e più promettente famiglia di modelli per il machine learning avanzato, in quanto permettono non solo di predire dati a partire da un dataset classico, ma anche e soprattutto di portare a termine dei compiti che sono molto al di là del machine learning classico, come riconoscere oggetti in immagini, creare musica a partire da un gruppo di file audio, di generare un frame inedito di un videogioco e di creare un chatbot che risponda ai clienti al posto nostro. In questo corso, che presuppone una conoscenza di base di R, di Python o di entrambi, cominceremo a scoprire come funziona e come possiamo utilizzare una rete neurali, tramite due dei framework più interessanti e utilizzati nel deep learning: TensorFlow in backend e soprattutto Keras. Capiremo quindi come è nata l'intuizione del neurone artificiale e come queste reti si differenzino dal cervello umano. Passeremo poi ad analizzare la struttura di una rete neurale, e come essa apprende tramite il metodo della backpropagation. Impareremo in particolare ad utilizzare le reti neurali per il machine learning su un dataset di tipo classico, sia nelle reti feedforward sia avvicinandoci al concetto di retropropagazione. Applicheremo le reti neurali a problemi relativi alla classificazione di dati e alla regressione. Passeremo poi a capire come il computer 'vede' delle immagini, e come possiamo impostare una rete perché preveda il contenuto di un'immagine tramite le reti convoluzionali. Impareremo ad applicare le nostre reti a dati di tipo sequenziale, come testi e dati sequenziali, per poi passare alle reti non supervisionate che ci permettono con successo di clusterizzare i nostri dati separandoli in gruppi omogenei. Oltre a nuove lezioni nelle sezioni già presenti, sono previsti futuri aggiornamenti nei seguenti ambiti: - pytorch - chatbot - servizi di cloud e di gpu A chi è dedicato il corso Per chi voglia imparare a conoscere il deep learning Per chi voglia imparare ad applicare le reti neurali per la risoluzione di problemi Requisiti: - Microsoft Windows or Mac Schermate Download Links Easybytez - Rapidgator - Nitroflare https://filecrypt.cc/Container/11958D2F55.html https://www.keeplinks.co/p95/5cffa5d83f6be Password: programmi

Dmitry Zinoviev - Data Science con Python. Dalle stringhe al machine learning, le tecniche essenziali per lavorare sui dati (2017) Italian | MOBI/AZW3/PDF/EPUB | 10 MB La data science è una materia in rapida evoluzione le cui applicazioni spaziano in ambiti diversi della nostra vita. Questo libro insegna a trasformare database caotici e dati non strutturati in dataset omogenei e ordinati attraverso l'impiego degli strumenti essenziali del linguaggio Python per il data mining, il machine learning, la network analysis e l'elaborazione del linguaggio naturale. Il lettore impara ad acquisire dati numerici e testuali eterogenei da fonti diverse come semplici file locali, database e il Web. Scopre come ripulirli e normalizzarli. Lavora su basi di dati SQL e NoSQL, applica strumenti per la rappresentazione grafica e scopre i modelli di analisi statistiche e predittive più utilizzati nel campo del machine learning. Una lettura dedicata a studenti e docenti, ai professionisti alle prime armi e agli sviluppatori in cerca di una guida di riferimento. I requisiti fondamentali sono una normale esperienza di programmazione in Python e un ambiente di sviluppo con installata la versione 3.3 (o superiore) del linguaggio oltre ai moduli e alle librerie specifiche indicate nel testo. Download Links Links Alternativi: Easybytez - Backin https://filecrypt.cc/Container/4BC5E8B5A3.html

Sebastian Raschka - Machine Learning con Python. Costruire algoritmi per generare conoscenza (2017) EPUB/AZW3/PDF Elaborare il magma di dati oggi disponibili è una sfida affascinante e imprescindibile per il mondo contemporaneo dove la conoscenza e l'informazione sono il primo valore. Il machine learning è la risposta: grazie ai suoi algoritmi è possibile creare macchine in grado apprendere in maniera automatica e rispondere alle domande chiave per il successo. Questo libro accompagna nel mondo del machine learning e mostra come Python sia il linguaggio di programmazione ideale per costruire algoritmi sofisticati in grado di interrogare i dati nel modo migliore e recuperare preziosi insight. Viene spiegato l'utilizzo di librerie Python dedicate - tra cui scikit-learn, Theano e Keras - applicate in ambiti come la selezione e la compressione dei dati, l'analisi del linguaggio naturale, l'elaborazione di previsioni, il riconoscimento delle immagini. L'approccio didattico è pragmatico: tutti i concetti sono accompagnati da esempi pratici di codice. La lettura è consigliata a chi ha già alle spalle qualche studio teorico nel campo del machine learning oltre a una buona conoscenza di programmazione in Python. Download Links http://www.easybytez.com/vsrdn8b6jgru http://rockfile.eu/tjqbw7cv7z75.html Links Alternativi: Easybytez - Rockfile https://filecrypt.cc/Container/5A6E3D39E8.html

Dmitry Zinoviev - Data Science con Python. Dalle stringhe al machine learning, le tecniche essenziali per lavorare sui dati (2017) Italian | MOBI/AZW3/PDF/EPUB | 10 MB La data science è una materia in rapida evoluzione le cui applicazioni spaziano in ambiti diversi della nostra vita. Questo libro insegna a trasformare database caotici e dati non strutturati in dataset omogenei e ordinati attraverso l'impiego degli strumenti essenziali del linguaggio Python per il data mining, il machine learning, la network analysis e l'elaborazione del linguaggio naturale. Il lettore impara ad acquisire dati numerici e testuali eterogenei da fonti diverse come semplici file locali, database e il Web. Scopre come ripulirli e normalizzarli. Lavora su basi di dati SQL e NoSQL, applica strumenti per la rappresentazione grafica e scopre i modelli di analisi statistiche e predittive più utilizzati nel campo del machine learning. Una lettura dedicata a studenti e docenti, ai professionisti alle prime armi e agli sviluppatori in cerca di una guida di riferimento. I requisiti fondamentali sono una normale esperienza di programmazione in Python e un ambiente di sviluppo con installata la versione 3.3 (o superiore) del linguaggio oltre ai moduli e alle librerie specifiche indicate nel testo. Download Links http://www.easybytez.com/2eaig9199kz4 http://www.wickedcloud.io/43zfl1ge9kn3 Links Alternativi: Easybytez - Wickedcloud https://www.keeplinks.eu/p45/5953ab1895b73