Mentre procedi nel corso del corso sul machine learning, verranno messi in pratica i concetti del machine learning mediante la programmazione di modelli in tf.keras. Utilizzerai Colab come ambiente di programmazione. Colab è la versione di Google di Jupyter Notebook. Come Jupyter Notebooks, Colab offre un ambiente di programmazione Python interattivo che combina testo, codice, grafica e output del programma.
NumPy e panda
Per utilizzare tf.keras è necessaria una conoscenza minima delle seguenti due librerie Python open source:
- NumPy, che semplifica la rappresentazione di array e l'esecuzione di operazioni di algebra lineari.
- pandas, che offre un modo semplice per rappresentare i set di dati in memoria.
Se non hai dimestichezza con NumPy o panda, inizia facendo i seguenti due esercizi di Colab:
- Tutorial su NumPy UltraQuick Tutorial di Colab, che fornisce tutte le informazioni di cui hai bisogno per questo corso.
- Tutorial su Pandas UltraQuick Tutorial Colab, che fornisce tutte le informazioni sui panda di cui hai bisogno per questo corso.
Regressione lineare con tf.keras
Dopo aver acquisito competenze in NumPy e panda, esegui questi due esercizi Colab per esplorare la regressione lineare e l'ottimizzazione degli iperparametri in tf.keras:
- Esercizio Colab Regressione lineare con dati sintetici, che esplora la regressione lineare con un set di dati giocattolo.
- Regressione lineare con un set di dati reale Colab, che ti guida nei tipi di analisi che devi eseguire su un set di dati reale.
Gli esercizi di programmazione vengono eseguiti direttamente nel tuo browser (non è richiesta alcuna configurazione!) utilizzando la piattaforma Colaboratory. Colaboratory è supportato sulla maggior parte dei browser e viene testato molto accuratamente sulle versioni desktop di Chrome e Firefox. Se preferisci scaricare ed eseguire esercizi offline, consulta queste istruzioni per configurare un ambiente locale.