Imparare il Machine Learning con 5 risorse gratuite!
Summary
TLDRIn this informative session, the host welcomes Pierpaolo and delves into the world of machine learning, highlighting its accessibility through online resources. The discussion covers the basics of machine learning, including supervised and unsupervised learning, with practical examples to illustrate the concepts. The host then introduces five valuable online resources for learning machine learning, providing a mix of free and affordable options, and emphasizes the importance of understanding both the technical and practical aspects of the field. The session aims to inspire and guide beginners on their journey into machine learning.
Takeaways
- 📚 Introduction to Machine Learning: Machine learning is a subset of artificial intelligence that focuses on creating models that learn from experience, bridging the gap between AI and neural networks that simulate human brain functions.
- 🔍 Supervised vs Unsupervised Learning: The two main methods of machine learning are supervised learning, where models learn from labeled examples and generalize to new data, and unsupervised learning, which involves clustering and dimensionality reduction without explicit examples.
- 🏆 Kaggle as a Learning Platform: Kaggle is a platform for competitions and learning, offering datasets, coding practice, and free courses, with the potential to earn money for expert participants.
- 🌐 Italian Language Resources: Professione.it offers Italian language courses on Python and machine learning, making complex topics accessible to those less comfortable with English.
- 🎓 Stanford's Machine Learning Course: Andrew Ng's machine learning course from Stanford University is available for free on YouTube, providing a comprehensive introduction to the field with a focus on practical understanding over advanced mathematics.
- 📰 Data Science on Medium: The Data Science section on Medium offers a wealth of articles simplifying complex concepts, written by industry professionals, making it a valuable resource for both beginners and experienced learners.
- 🚀 Career Insights: The script mentions the importance of understanding the roles of data scientists and data engineers, as well as tips for landing interviews and jobs in top companies.
- 🎥 YouTube Channels for Learning and Entertainment: The script suggests a YouTube channel that combines humor with data science education, offering insights into the field and interview tips, as well as a live stream for background music during programming.
- 🔗 Community and Networking: The importance of joining communities, such as Telegram groups and Instagram pages, is emphasized for sharing resources, discussing ideas, and staying updated on the latest in the field.
- 💡 Learning Tips: The script encourages learning from a variety of sources, including Italian language courses, YouTube videos, and articles, to build a solid foundation in machine learning and data science.
Q & A
What is the main topic of discussion in the transcript?
-The main topic of discussion is machine learning and the available online resources to learn it.
What are the two primary methods of machine learning mentioned in the transcript?
-The two primary methods of machine learning mentioned are supervised learning and unsupervised learning.
How does supervised learning work in the context of machine learning?
-In supervised learning, the model is trained on a set of labeled examples and learns to generalize from these examples to make predictions on new, unseen data.
What is an example of a task that can be performed using supervised learning?
-An example task using supervised learning is regression, where given the square meters of a house, the model can predict the price.
What is unsupervised learning and how does it differ from supervised learning?
-Unsupervised learning is a method where the model is not given labeled examples but instead finds patterns or clusters in the data. It differs from supervised learning in that it does not aim to make predictions but rather to discover hidden structures in the data.
What is one of the techniques used in unsupervised learning discussed in the transcript?
-Clustering is one of the techniques used in unsupervised learning, where the model groups similar items together, such as categorizing songs into different genres based on their text or waveform.
What is the role of data sets in machine learning?
-Data sets are crucial in machine learning as they provide the raw data used to train and test the models. They help the models learn from experience and make accurate predictions or classifications.
What is the significance of the course mentioned from Stanford University in the transcript?
-
Outlines
🤖 Introduction to Machine Learning
This paragraph introduces the concept of machine learning, positioning it between artificial intelligence and deep learning. It explains that machine learning involves building models that learn from experience, using examples to generalize and perform operations on new, unseen data. The paragraph outlines two main methods of machine learning: supervised learning, where models learn from provided examples, and unsupervised learning, which involves clustering and dimensionality reduction techniques. The importance of learning to generalize from examples is emphasized, using the analogy of learning math equations in school.
🌐 Online Resources for Learning Machine Learning
The speaker shares five online resources for learning machine learning. The first is a platform that hosts machine learning competitions, where participants can win significant prizes. The second is a dataset repository with a wide range of global data. The third resource is a site offering free coding courses, starting from Python basics to more advanced machine learning topics. A fourth resource is an Italian website, Professione.Punto, which provides Python and machine learning courses in Italian. Lastly, the speaker mentions a free machine learning course on YouTube by a Stanford professor, which covers the basics of machine learning in an accessible manner.
📚 Further Learning and Community Resources
This paragraph discusses additional resources for further learning and community engagement. It mentions a Medium subgroup, AdWords Data Science, that publishes numerous articles on data science and machine learning. The articles are written by experts to simplify concepts for less experienced individuals. The paragraph also highlights a YouTube channel by an American data scientist who adds humor to the field, offering insights into data science roles and interviews, as well as providing background music for programming sessions.
Mindmap
Keywords
💡Machine Learning
💡Supervised Learning
💡Unsupervised Learning
💡Neural Networks
💡Data Science
💡Online Resources
💡Kaggle
💡Data Sets
💡Python
💡Stanford Machine Learning Course
💡Data Science Italia
💡Medium
Highlights
Introduction to machine learning as a bridge between artificial intelligence and neural networks.
Explaining the two main methods of machine learning: supervised and unsupervised learning.
Supervised learning is about training models with examples to generalize and perform operations on new, unseen data.
Unsupervised learning involves clustering and dimensionality reduction without direct examples.
The importance of learning from examples in machine learning, akin to learning from solved math problems in school.
The concept of training and test datasets in machine learning for model evaluation.
Overview of regression and classification tasks in machine learning.
The role of data science and machine learning in various fields, such as predicting house prices or classifying images.
Introduction to the first resource, a platform for machine learning competitions and datasets.
Discussion of free courses on the platform that cover Python, machine learning, and other relevant skills.
Mention of an Italian website, Professione.Punto, for learning Python and machine learning in Italian.
Recommendation of Andrew Ng's Machine Learning course on Stanford's Coursera for a comprehensive understanding of the subject.
Explanation of how to access articles on Medium's Data Science section for simplified explanations of complex concepts.
Suggestion to use incognito mode to bypass paywalls on Medium articles for a limited time.
Introduction to a humorous YouTube channel for a light-hearted look at data science and programming.
The channel offers a live stream of background music for programming, enhancing the coding experience.
Invitation to join the host's Instagram, Telegram group, and future videos for more information and community interaction.
Transcripts
ciao insomma pierpaolo e vi do il
benvenuto sudata pizza oggi parleremo di
machine learning e di com'è possibile
impararlo grazie a delle risorse online
che sono disponibili per tutti vi
elencherò 5 risorse raccontando vele e
poi vi lascerà tutti i link per
approfondire prima di tutto volevo un po
introdurre il machine nei infatti si
trova nella via di mezzo tra
l'intelligenza artificiale che un po il
calderone più grande è il di blair ning
che ciò che fa andando molto forte
nell'ultimo periodo cioè le reti neurali
che è un po simulano i neuroni del
nostro cervello il machine learning è
proprio ciò che collega in qualche modo
questi due mondi infatti si tratta di
costruire modelli che possono imparare
dall'esperienza in qualche modo per
fargli un po degli esempi più concreti
più tangibili vi posso fare due esempi
un po dei due principali metodi di
apprendimento del machine learning
questi sono l'apprendimento
supervisionato e l'apprendimento non
supervisionato in quello supervisionato
in pratica si dà degli esempi possiamo
chiamarli così al modello che impara da
questi esempi e poi saprà un po
generalizzare compiere le stesse
operazioni su degli esempi nuovi che non
ha mai visto in modo da un po imparare
da questi esempi che abbiamo dato per
poi diventare giudizio niamo lo autonomo
e lavorare su esempi nuovi facendo il
lavoro che gli abbiamo insegnato a fare
tramite questi esempi scusate che ho
detto esempio un po tante volte ma spero
si sia capito
facciamo finta che tu sia uno studente
alle scuole medie facciamo così per
semplificare e che tu debba affrontare
un compito di matematica e tu abbia
cento equazioni sul libro tutte risolte
da cui puoi imparare se tu non ti alleni
su nessuna delle equazioni poi arriverai
alla verifica e farai un disastro perché
non sarai allenato mentre se tu impari a
memoria letteralmente tutte le 100
equazioni probabilmente a centounesima
che ti troverai nel compito non saprei
risolverla perché avrà imparato in modo
meccanico come fare quei 100 esempi
appena c'è qualcosa che va al di là di
questi esempi sarai fregato diciamo avrà
imparato a memoria e non saprai
generalizzare su delle equazioni nuove
la stessa cosa devono fare i modelli
infatti si dà dei dati di training si
chiamano di allenamento e dei dati di
test e cosa deve fare il modello deve
imparare da questi dati di train però
poi verrà valutato su dei dati di test
che sarebbero la nostra ipotetica
verifica di matematica in questo modo si
può insegnare ai modelli a fare delle
operazioni che possono essere di
regressione o di classificazione
l'aggressione significa per esempio ti
do i metri quadri della casa e tu mi
saprai prevedere più o meno il prezzo
semplificando al massimo mentre
classificazione possiamo per esempio
prendere delle foto e fare distinguere
un modello tra cani e gatti un esempio
comunissimo in questo incrocio del
machine learning
passiamo invece l'apprendimento non
supervisionato cioè a cui non diamo
degli esempi ma si tratta proprio di un
altro approccio con questo approccio per
esempio si può fare clustering cosa vuol
dire fare clustering in pratica cos'è
che si fa in questo approccio si dà un
modello per esempio i testi di 100
canzoni o le forme d'onda di 100 canzoni
come come vogliamo
e questo modello sarà in grado di
raggruppare le canzoni simili per testo
per forma d'onda che probabilmente
individueranno dei singoli generi a
posteriori saremo noi a dire al modello
che hai questo lo possiamo chiamare
musica pop e quest'altro di musica
classica
ovviamente è una generalizzazione
estrema e spero che se siete esperti in
questo argomento mi lascerete questa
licenza poetica di semplificare un altro
caso di utilizzo dell'apprendimento non
supervisionato e per esempio la
riduzione di dimensionalità per esempio
se abbiamo una foto in full hd e
vogliamo ridurla in hd quindi una
definizione più bassa possiamo usare
queste tecniche per ridurre questa
dimensione e mantenendo il massimo
dell'informazione possibile all'interno
dell'immagine e quindi la massima
definizione senza perdere troppo
dell'immagine originale
ok adesso che spero di avervi dato
un'idea generale di quello che è questo
mondo passiamo al computer dove potrò
spiegarvi un po quali sono queste cinque
risorse che secondo me sono molto utili
hanno aiutato me all'inizio quando non
sapevo un po come muovermi e spero
possano aiutarvi anche voi ovviamente
lascerò tutti i link in descrizione di
tutte le cose che menzionerò in modo che
voi una volta finito il video possiate
salvarli nei preferiti e iniziare il
vostro percorso
[Musica]
eccoci qua adesso inizieremo a guardare
i siti me li sono già aperti su chrome e
quindi iniziamo mi rimpiccioliscono
nell'angolino e andiamo allora il primo
dei cinque siti e che gol
questa piattaforma permette di fare
tante cose allora entrati come un social
network una volta iscritti è gratuita e
si può andare nelle competizioni che
sono delle vere e proprie gare di
machine learning di modelli dove si
vince anche un bel po di soldi questo
addirittura 100 mila dollari
ovviamente per persone tanto esperte ma
è un buon motivo per iniziare a studiare
queste cose poi ci sono data set dove
possiamo trovare tantissimi dati
riguardo ai più svariati dato setter a
livello mondiale per esempio le scuole
in singapore
oppure il covip oppure il mercato
azionario come possiamo vedere qui
dietro la mia faccia e tante altre cose
che possono essere utili per chi vuole
imparare per chi vuole scoprire cose e
utilizzarle poi nei progetti ovviamente
in questa sezione invece possiamo
allenarci scrivendo del codice qua ci
sono delle discussioni che non so bene
cosa siano in realtà è qua ci sono
quello che vi menzionavo prima cioè i
corsi questi corsi sono gratuiti e
partono proprio dalle basi di python
pietro to machine learning intermedi
hate machine learning pandas eccetera
che sono tanti pacchetti sql tutte cose
molto richiesto nel mondo del lavoro ma
anche molto
sì diciamo semplice se qualcuno ha delle
basi in informatiche in matematica ma
anche se non avete le basi comunque
potrete affrontarli magari inizierà
interessarvi a questo mondo qua se
invece fosse spaventati un po dalla
lingua inglese e quello che potete fare
è andare su un sito italiano
in realtà il ragazzo che gestisce questo
sito vi hanno conosciuto tramite la
pagina instagram data pizza si chiama
profession punto e ai cosa fa questo
sito ci permette di imparare in italiano
da zero proprio il linguaggio python in
100 minuti qua c'è il corso specifico
poi ci sono altri corsi i più semplici
anche questo guida all'uso di jupiter
notebook che è un software molto
utilizzato sono tutti gratuiti quindi
basta registrarli non pagare nulla e
potete già farvi un'idea di come sono
questi corsi
poi ovviamente i corsi un po più
complessi come di più learning machine
learning eccetera sono a pagamento ma
costano veramente poco quest'anno 19
euro e 90 in realtà con lee konitz da da
pizza mi ha lasciato anche uno scontro
infatti andrete a pagarli tipo 13 euro
che comunque è pochissimo per dei corsi
fatti così bene e non lo dico per
insomma fare pubblicità e basta lo dico
perché effettivamente sono i migliori
che si possono trovare un po nella
lingua italiana
quindi un po questi corsi li consiglio a
chi non è molto avvezzo alla lingua
inglese non si sente sicuro ma sono
sicurissimo che poi una volta preso il
via magari con questi corsi in italiano
anche seguire dei tutorial delle lezioni
in inglese sarà facile perché molti dei
termini saranno in lingua inglese quindi
sarà facile un po fare l'orecchio e
diventare bravi in questo chiamiamolo
inglese tecnico che è molto semplice
poi volevo mostrarvi un corso che si
trova gratuitamente su youtube ed è il
course di machine learning di stanford
praticamente lo stesso professore di
stanford che in realtà è un personaggio
molto noto nel mondo del machine
learning proprio perché ha lavorato in
google ha lavorato in baidu ha creato
della piattaforma di corsi che si chiama
corsera che probabilmente conoscerete
che tratta corsi sia di data science ma
anche di qualsiasi altro ambito che può
essere addirittura crescita personale o
cucina
insomma un personaggio molto particolare
e questo corso spiega proprio dalle basi
cos'è il machine learning sono tutte
lezioni da circa dieci minuti e possono
essere seguite anche senza una grossa
conoscenza matematica nel senso che sono
molto focalizzati su cosa fanno i vari
modelli a livello pratico spiegando la
matematica ma proprio l'idea della
matematica e non effettivamente tutta la
parte tecnica che potete ovviamente
imparare di in parallelo oppure magari
lo sapete già se avete fatto
l'università analisi una analisi 2 o se
avete fatto bene un liceo scientifico
diciamo quindi qui ci sono un sacco di
lezioni su tanti argomenti sono adesso 4
quante cento elezioni 112 tutte gratuite
di questo super professore che fa
passare concetti molto difficili come
cose molto semplici linfa tiempo
venerato nelle pagine di mehmedi machine
learning data science infatti se cerco
ngm su google trovo praticamente di
tutto proprio perché durante tutto il
corso dice frasi come se non capite non
importa tuori e tutte queste cose che un
po rimangono nella testa soprattutto
perché un corso che tante persone
seguono all'inizio e apre le porte sul
mondo del machine learning quindi un po
rimane nella mente di tutti e ovviamente
essendo degli argomenti un po pesanti
c'è comunque si tratta di matematica e
programmazione
qualche battuta qualche memo ogni tanto
qualcosa di più divertente chiamiamolo
così ci sta un po per spezzare questa
serietà generale dell'ambiente
andiamo avanti con la prossima risorsa
che adwords data science praticamente è
un sottogruppo di medium che sarebbe un
famosissimo sito di blog che porta
praticamente tantissimi articoli
riguardo ai modelli di dato science
machine learning tantissime tecniche c'è
veramente di tutto
e quello che potete fare è o andare
sulla pagina proprio tool state science
e cercare praticamente questi articoli
che parlano di tantissime cose ne
vengono pubblicati a centinaia ogni
giorno ma qual è la cosa veramente
interessante
questi articoli semplificano di molto e
rendono l'idea di quelli che sono i
concetti infatti sono scritte da persone
selezionate che lavorano in questi
ambiti e che magari cercano di portare
la loro esperienza per persone meno
esperte
la cosa interessante però è che quando
abbiamo dei dubbi su qualche modello che
dobbiamo utilizzare farci l'idea di
qualcosa possiamo semplicemente andare
su google cercare twork da science per
esempio linear regression l'avevo già
cercato e trovare degli articoli molto
semplici proprio sulla regressione
lineare in questo caso che ci spiegano
un po come funziona la matematica
semplificata che ci sta dietro e tutto
il resto scritto da delle persone
esperte che fanno passare i concetti nel
modo più semplice possibile
e cosa posso dire un trucchetto è che
cosa succede dopo cinque articoli se non
si paga alti bloccano l'accesso per
tutto il giorno
la cosa che si può fare davvero pirata
informatico e aprire una modalità in
incognito una scheda in incognito in
alto a sinistra su chrome
adesso cerco la mia freccetta ecco la
modalità in incognito e in questo modo
noi potremo vedere quanti articoli
vogliamo nello stesso giorno questo è un
piccolo trucchetto che posso darvi che
probabilmente conoscerete già ma io ve
lo ve lo dico per sicurezza
allora adesso andiamo avanti con il
prossimo per concludere è un canale
youtube di una youtuber americano se non
sbaglio che lavora in silicon valley e
questo ragazzo molto simpatico molto
non lo so particolare poi giudicherete
voi diciamo che non è qualcosa di serio
serio come gli altri materiali che vi ho
detto ma devo fare due risate un po
sulla data science spiegandone anche
delle cose giuste lui ha lavorato il
link di facebook in tanti compagni e
grosse come data scientist come
programmatore e oltre a fare un sacco
ridere se capite un po il suo tipo di
umorismo può esservi utile perché vi dà
un po l'idea di quello che fa un dato
scientists la differenza per esempio tra
data scientist è data ingenieur
e non può spiega come passare i colloqui
di lavoro in queste grandi aziende e poi
fa anche un sacco ridere l'ho già detto
ma è proprio un mezzo comico si
definisce anche così proprio perché la
sua passione oltre che la data sa in
senso lavoro è anche quella di far
ridere le persone
ultima cosa è molto interessante che
abbia praticamente anche un come dire un
live stream sempre attivo dove
praticamente potete ascoltare della
musica di sottofondo mentre programmate
e molti a molti piace questa cosa e lui
ha proprio questa live ininterrotta dal
7 ottobre 2020
quindi potete salvarvi la nei preferiti
e usarla quando siete da soli in casa
programmare per non stare nel silenzio
allora pensò di basso ingrandiscono mia
faccia ok penso di avergli detto più o
meno tutto di avergli interessato vi
lascio tutti i link della pagina
instagram che del gruppo telegrammi dove
ci scambiamo informazioni mandiamo varie
cose codici e tutto il resto commentati
se volete aggiungere qualcosa qualche
materiale e ci vediamo al prossimo video
sempre qui su data pizza ciao ciao
[Musica]
تصفح المزيد من مقاطع الفيديو ذات الصلة
Scikit-Learn 1: Qu'est-ce-que l'apprentissage automatique?
Types of Machine Learning for Beginners | Types of Machine learning in Hindi | Types of ML in Depth
#3 Machine Learning Specialization [Course 1, Week 1, Lesson 2]
Challenges in Machine Learning | Problems in Machine Learning
What is Machine Learning?
Machine Learning Specialization on Coursera | Review
5.0 / 5 (0 votes)