Introduzione al Machine Learning con R

Statistica di base, Corso R base

Il corso fornirà una guida pratica alla costruzione di un percorso di analisi completo basato su modelli di Machine Learning, sviluppato utilizzando il linguaggio di programmazione R.

I partecipanti impareranno a comprendere, applicare e valutare algoritmi di Machine Learning su dati reali.

Introduzione al Machine Learning con R

Introduzione al Machine Learning: concetti fondamentali

Tipologie di apprendimento: supervisionato vs. non supervisionato

Introduzione agli strumenti di R per il Machine Learning (tidyverse, caret, mlr3)

Preparazione e pulizia dei dati per il Machine Learning

Esplorazione dei dati e tecniche di feature engineering

Modelli Supervisionati e Valutazione

Modelli di regressione: Regressione Lineare e Regressione Logistica

Modelli di classificazione: K-Nearest Neighbors (KNN), Alberi decisionali, Random Forest

Tecniche di validazione e valutazione del modello (Cross Validation, Accuracy, ROC, Confusion Matrix)

Ottimizzazione dei parametri del modello

Machine Learning Avanzato e Applicazioni Pratiche

Introduzione ai modelli di apprendimento non supervisionato (Clustering, PCA)

Implementazione di clustering con K-Means e DBSCAN

Utilizzo di modelli avanzati: Support Vector Machine (SVM), Gradient Boosting

Applicazione su dataset reali: costruzione di un modello end-to-end

Conclusioni e best practices nel Machine Learning con R