Creare modelli di Machine Learning

Intermedio
AI engineer
Data scientist
Sviluppatore
Studente
Visual Studio Code
Azure

Microsoft Learn offre varie modalità interattive per conseguire un'introduzione al Machine Learning classico. Questi percorsi di apprendimento consentono di raggiungere l'autonoma produttiva e costituiscono un ottimo punto di partenza per affrontare argomenti di Deep Learning.

Dai classici modelli di Machine Learning di base all'analisi esplorativa dei dati fino alle architetture di personalizzazione, semplici contenuti concettuali e interattivi notebook di Jupyter permetteranno di acquisire tutte le informazioni necessarie senza mai uscire dal browser.

Scegliere il percorso più appropriato in base al background didattico personale e ai propri interessi.

Opzione 1: Corso completo: Nozioni di base di data science per il Machine Learning

Questo percorso è consigliato per la maggior parte delle persone. Presenta gli stessi moduli degli altri due percorsi di apprendimento, ma con un flusso personalizzato che favorisce il potenziamento dei concetti. Questo percorso è adatto per coloro che vogliono acquisire informazioni sui concetti sottostanti e imparare a creare nuovi modelli con gli strumenti di Machine Learning più comuni. È il percorso migliore anche per tutti colori che non vogliono fermarsi al Machine Learning di base ma intendono conseguire una formazione completa nel Deep Learning e nelle reti neurali, che verranno solo accennate in questa sede.

Opzione 2: Percorso di aggiornamento Informazioni sul data science per Machine Learning

Questo percorso è adatto per coloro che vogliono capire meglio il funzionamento del Machine Learning ma non hanno particolari conoscenze matematiche. Non presuppone alcuna formazione preliminare (se non una leggera familiarità con i concetti di scrittura del codice) e si avvale di frammenti di codice, metafore e oggetti visivi per trasmettere le informazioni. Anche se si tratta di un percorso pratico, è maggiormente incentrato sul delineamento dei concetti fondamentali a discapito degli strumenti e delle librerie disponibili.

✔ Opzione 3: Percorso di apprendimento Creare modelli di Machine Learning

Se si conoscono già i concetti di base del Machine Learning oppure si ha una solida conoscenza matematica, è possibile passare direttamente al percorso di apprendimento Creare modelli di Machine Learning. Questi moduli affrontano alcuni concetti del Machine Learning, ma procedono rapidamente per passare a illustrare l'utilizzo di strumenti come scikit-learn, TensorFlow e PyTorch. Questo percorso di apprendimento è indicato anche per coloro che vogliono soltanto acquisire la familiarità necessaria per capire gli esempi di Machine Learning relativi a prodotti come Azure ML o Azure Databricks.

✔ Questo è il percorso in cui ci si trova attualmente; scorrere verso il basso per iniziare.

Prerequisiti

Questo percorso di apprendimento presuppone la conoscenza di concetti matematici di base. È anche utile una certa esperienza con Python.

Moduli in questo percorso di apprendimento

L'esplorazione e l'analisi dei dati sono alla base della data science. I data scientist richiedono competenze in linguaggi di programmazione come Python per esplorare, visualizzare e modificare i dati.

La regressione è un tipo di Machine Learning comunemente usato per predire valori numerici.

La classificazione è un tipo di Machine Learning usato per classificare gli elementi in classi.

Il clustering è un tipo di Machine Learning usato per raggruppare elementi simili in cluster.

Il Deep Learning è una forma avanzata di Machine Learning che emula il modo in cui il cervello umano apprende attraverso reti di neuroni connessi.