Apprendimento Non Supervisionato: Clustering K-Means, Anomaly Detection e PCA
Estrarre pattern senza etichette: algoritmo K-Means, rilevamento delle anomalie con curve gaussiane e riduzione dimensionale PCA.
LeggiPython
Guide, analisi e storie Able2Code su Python: 7 articoli con spiegazioni tecniche e difese pratiche.
Architettura Transformer e Meccanismo di Attenzione: Guida Completa agli LLM
Come funzionano i Transformer: limiti di RNN/LSTM, Positional Encoding, Scaled Dot-Product Attention, Multi-Head Attention ed Encoder-Decoder.
Leggi
Diagnostica dei Modelli di Machine Learning, Metriche e Alberi Decisionali (XGBoost)
Strategia di sviluppo ML: Train/CV/Test split, diagnosi Bias vs Varianza con Learning Curves, metriche per dati sbilanciati e Random Forest/XGBoost.
Leggi
Machine Learning Supervisionato: Regressione Lineare e Discesa del Gradiente
Formulazione matematica della regressione univariata e multivariata, funzione di costo MSE, discesa del gradiente e ottimizzazione vettorizzata con NumPy.
Leggi
Regressione Logistica: Classificazione Binaria, Confini Decisionali e Regolarizzazione L2
Guida alla classificazione: funzione sigmoide, confini decisionali lineari e non lineari, Binary Cross-Entropy e regolarizzazione L2 Ridge.
Leggi
Reinforcement Learning: Dai Processi Decisionali di Markov a Deep Q-Networks (DQN)
Guida completa all'apprendimento per rinforzo: formalismo MDP, derivazione dell'Equazione di Bellman, policy epsilon-greedy e Deep Q-Learning.
Leggi
Reti Neurali Profonde: Forward Pass, Backpropagation e Funzioni di Attivazione
Architettura delle reti neurali: calcolo vettoriale del forward pass, non-linearità con ReLU, classificazione Softmax, Adam e Backpropagation.
Leggi