Imparare il Machine Learning con 5 risorse gratuite!

Summary

In 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

00:00

🤖 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.

05:01

🌐 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.

10:02

📚 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.

Keywords

💡Machine Learning

Machine Learning is a subset of Artificial Intelligence that focuses on the development of algorithms and models that allow computers to learn from and make predictions or decisions based on data. In the video, the speaker discusses how Machine Learning bridges the gap between AI and practical applications by simulating neural networks that mimic the human brain's learning process.

💡Supervised Learning

Supervised Learning is a type of Machine Learning where the model is trained on a dataset with labeled examples, allowing it to learn and generalize from the input data to make predictions on new, unseen data. It is used when there is a clear relationship between the input and the expected output.

💡Unsupervised Learning

Unsupervised Learning is a type of Machine Learning where the model works with unlabeled data, looking for patterns or structures in the data without any guidance on what the output should be. It is used for tasks like clustering, where similar items are grouped together, or dimensionality reduction, which involves simplifying data while retaining its essential characteristics.

💡Neural Networks

Neural Networks are a series of algorithms that are modeled loosely after the human brain. They are composed of layers of interconnected nodes, or 'neurons,' that work together to solve specific problems by recognizing complex patterns. In the context of the video, neural networks are a key component of Machine Learning, simulating the way our brain processes information.

💡Data Science

Data Science is an interdisciplinary field that uses scientific methods, processes, algorithms, and systems to extract knowledge and insights from structured and unstructured data. It often involves Machine Learning techniques to analyze and interpret complex data sets, helping to inform decision-making.

💡Online Resources

Online Resources refer to the digital materials and platforms available on the internet that provide information and educational content. In the video, the speaker lists several online platforms and courses that offer free or affordable resources for learning Machine Learning and Data Science.

💡Kaggle

Kaggle is a popular online platform for data science and machine learning, offering resources such as datasets, competitions, and a community forum for learners and professionals. It allows users to participate in challenges, learn from others, and improve their skills by applying Machine Learning techniques to real-world problems.

💡Data Sets

Data Sets are collections of data that are used for various purposes, such as analysis, training machine learning models, or testing algorithms. They can range from simple tabular data to complex multimedia content and are a fundamental component in the field of data science and machine learning.

💡Python

Python is a high-level, interpreted programming language known for its readability and ease of use. It has become one of the most popular languages for data science and machine learning due to its extensive library support, particularly in libraries like pandas, NumPy, and scikit-learn.

💡Stanford Machine Learning Course

The Stanford Machine Learning Course, often referred to as the 'Machine Learning' course by Andrew Ng, is a widely recognized and influential online course that covers the basics of machine learning. It is known for its clear explanations and practical approach to teaching complex concepts.

💡Data Science Italia

Data Science Italia is an Italian website managed by a person known through Instagram's Data Pizza page. It offers courses in Italian for learning Python and other data science concepts, catering to those who are more comfortable learning in their native language.

💡Medium

Medium is a popular online publishing platform where individuals and organizations can share articles, stories, and ideas. In the context of the video, the speaker refers to 'Medium' as a source of articles related to data science and machine learning, providing practical insights and simplified explanations of complex concepts.

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]