Creare modelli di Machine Learning classici con l'apprendimento supervisionato
L'apprendimento supervisionato è una forma di apprendimento automatico in cui un algoritmo apprende da esempi di dati. Andando avanti verrà spiegato come usare l'apprendimento supervisionato per generare automaticamente un modello in grado di eseguire stime sul mondo reale. Verranno illustrate anche le modalità di test di questi modelli e le difficoltà che possono verificarsi durante il training.
Obiettivi di apprendimento
Contenuto del modulo:
- Definire l'apprendimento supervisionato e non supervisionato.
- Esplorare l'impatto delle funzioni di costo sul processo di apprendimento.
- Scoprire come ottimizzare i modelli con la discesa del gradiente.
- Sperimentare diverse velocità di apprendimento e vedere come possono influire sulla formazione.
Prerequisiti
Conoscenza di base di input, output e modelli