|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/python-per-ml-e-ai/
课程评论：没有评论
**课程名称：Python for Machine Learning & Artificial Intelligence** **课程概述：** 本课程旨在教授学员利用Python语言进行机器学习（ML）和人工智能（AI）编程所需的知识。Python因其简洁性、强大的科学计算能力以及广泛的库支持（如Scikit-Learn, Keras, Tensorflow, PyTorch），已成为AI和ML领域的首选语言。 **课程内容：** * **第一部分：Python编程基础** * Python环境配置（Anaconda）。 * Python基础语法：变量、数据类型、集合、条件语句、循环。 * **第二部分：Python编程范式** * 过程式编程：代码组织与函数复用。 * 面向对象编程：类与对象的抽象。 * **第三部分：Python进阶** * 异常处理。 * 文件操作。 * 代码模块化。 * 标准库模块（OS, Time, Datetime, Math, CSV）。 * 使用PIP安装模块。 * 虚拟环境创建（Virtualenv, Conda）。 * **第四部分：Python科学计算** * NumPy库：用于向量和矩阵计算，是ML/AI库的基础。 * **最终项目：从零开始构建人工神经网络** * 机器学习与神经网络简介。 * 使用NumPy从头开始实现一个神经网络。 * 应用神经网络进行手写数字识别。 * **奖励部分：识别恶性肿瘤** * 训练所构建神经网络识别乳腺癌放射影像。 **学习目标：** 通过本课程，学员将掌握Python编程技能，并能够利用所学知识开启在机器学习和人工智能领域的探索之旅。
Artificial Intelligence (AI) e Machine Learning (ML) sono il presente e il futuro della Tecnologia e dietro a queste discipline innovative c'è un unico linguaggio di programmazione: Python.Ad oggi Python è il terzo linguaggio di programmazione più utilizzato al mondo e i suoi campi di applicazioni sono infiniti: Sviluppo Web (Django/Flask)Sviluppo Mobile (KIVY)Sicurezza Informatica (Scapy)Analisi Dati (Pandas)Analisi Scientifica (SciPy)Calcolo Numerico (Numpy)Ed è proprio grazie alla suo incredibile rapporto tra semplicità e potenza nel calcolo scientifico che Python è diventato il linguaggio di riferimento per Machine Learning e Artificial Intelligence.La maggior parte delle librerie per AI e ML più popolari e utilizzate sono sviluppate proprio in Python come Scikit-Learn, Keras, Tensorflow (Google) e PyTorch (Facebook).Lo scopo di questo corso è fornirti la conoscenza di programmazione con Python necessaria per avviare la tua avventura in AI e ML. A questo scopo abbiamo organizzato il corso in quattro parti più un progetto finale, in cui svilupperemo una Rete Neurale Artificiale da zero, utilizzando unicamente numpy per il calcolo di vettori e matrici.Ogni sezione di Teoria e accompagnata da una sezione di Esercitazione, in cui potrai mettere in pratica le nozioni apprese su delle Challenge suggerite da noi!Ma vediamo insieme le parti del corso.PARTE 1: PROGRAMMAZIONE CON PYTHONIn questa prima parte del corso vedremo come eseguire del codice Python e configurare il nostro Ambiente di Sviluppo utilizzando il software Anaconda. Subito dopo ci addentreremo nella programmazione, partendo da variabili e tipi di dati, passando per le collezioni e terminando con le istruzioni condizionali e i cicli.PARTE 2: PARADIGMI DI PROGRAMMAZIONEPython è un linguaggio multi paradigma, questo vuol dire che possiamo utilizzarlo adottando diversi stili di programmazione, qui vedremo i principali:Programmazione Procedurale: in cui parleremo di come organizzare il codice in funzioni riutilizzabiliProgrammazione Orientata agli Oggetti: in cui parleremo di come astrarre la logica del codice all'interno di classi specifiche.PARTE 3: PYTHON AVANZATOGiunti a questa parte avremo acquisito delle solide basi di programmazione con Python e saremo pronti ad affrontare gli argomenti più complessi, come:Gestire le Eccezioni in PythonOperare su file di testoSuddividere il codice in ModuliUtilizzare i Moduli della Standard Library (OS, Time, Datetime, Math, CSV)Installare nuovi moduli con PIPCreare un ambiente virtuale con Virtualenv e Conda.PARTE 4: PYTHON E IL CALCOLO SCIENTIFICOIn questa sezione studieremo il modulo Python de-facto per il calcolo scientifico, quello che da la vita a Scikit-Learn, Tensorflow, Pandas e molte altri moduli usati in ambito ML e AI, sto parlando di Numpy.PROGRETTO FINALE: SVILUPPARE UNA RETE NEURALE ARTIFICIALE DA ZEROIn questa ultima parte del corso introdurremo brevemente il Machine Learning e osserveremo il funzionamento di una Rete Neurale Artificiale, dopodichè passeremo a sporcarci le mani sviluppando la nostra Rete Neurale personale e la utilizzeremo per riconoscere dei numeri scritti a mano.SEZIONE BONUS! RICONOSCERE TUMORI MALIGNIIn questa ultima sezione bonus addestreremo la Rete Neurale che abbiamo sviluppato a riconoscere tumori al seno maligni, partendo da degli esami radiologici.
