Logo NEXSYS menu
ISO 9001

Nexsys Srl è certificata
ISO 9001:2015

Microsoft Solutions Partner

Siamo Microsoft Solution Partner per il Modern Work

Corso Machine Learning

Durata: 4 giorni

icona web

Live Online

in presenza

In presenza

icona web

Live Online

in presenza

In presenza

Formazione Machine Learning online

Questo corso introduttivo fornisce una comprensione chiara e completa dei principali modelli di Machine Learning. L’approccio è pratico e progressivo: i partecipanti implementeranno modelli di regressione, classificazione e clustering direttamente in Python, partendo da zero e utilizzando librerie di base per concentrarsi sulla logica interna degli algoritmi.

Si tratta di una formazione introduttiva ma strutturata, che unisce spiegazioni teoriche a numerosi esempi di codice, permettendo di acquisire basi solide per comprendere davvero il funzionamento del Machine Learning.

Il corso è interamente basato su Python, il linguaggio di riferimento per Machine Learning, Deep Learning e Large Language Models. La scelta di Python garantisce l’accesso a un ecosistema maturo di librerie e strumenti, ampiamente utilizzati in ambito accademico e industriale.

Durante le esercitazioni verranno utilizzate le principali librerie:

  • NumPy per il calcolo numerico su array e matrici.
  • Pandas per la gestione e manipolazione di dati tabellari.
  • Matplotlib per la visualizzazione dei dati.
  • Scikit-Learn per preprocessing, valutazione dei modelli, gestione dei dataset, pipeline di trasformazioni e ottimizzazione degli iperparametri.

Il corso si svolge online o in presenza, con un docente che guida passo dopo passo, risponde a domande e supporta i partecipanti in ogni fase dell’apprendimento.

icona live

Sessioni live interattive

Lezioni in diretta con spazio per domande e confronto.
icona pratico

Approccio pratico

Esercitazioni e casi reali per mettere in pratica ciò che impari.

Cosa imparerai

  • Comprendere cosa è – e cosa non è – il Machine Learning
  • Implementare da zero i principali modelli di regressione, classificazione e clustering in Python
  • Applicare l’algoritmo di Discesa del Gradiente nelle varianti Batch, Stocastica e Mini-Batch
  • Migliorare la capacità di generalizzazione dei modelli e valutarne le performance
  • Leggere e valutare le performance di un modello
  • Preparare i dati per l’addestramento: pulizia, codifica, scalatura, selezione e riduzione delle variabili
  • Ridurre la dimensionalità dei dataset tramite PCA e LDA
  • Ottimizzare i modelli scegliendo e regolando correttamente gli iperparametri
  • Sviluppare modelli Ensemble per combinare più algoritmi e migliorare le prestazioni predittive
  • Creare reti neurali semplici, comprendendo i principi di forward propagation e backpropagation

I vantaggi della formazione Nexsys

icona trainer

Trainer esperti e certificati

Formatori con esperienza concreta in ambito aziendale.
icona aggiornamento

Contenuti sempre aggiornati

Materiale sempre in linea con le novità del settore.
icona open badge

Open Badge digitale

Un certificato digitale, verificabile e condivisibile online.
icona esercitazioni

Esercitazioni guidate

Attività pratiche con il supporto diretto del docente.
icona registrazione

Registrazioni disponibili

Rivedi le lezioni quando vuoi per 3 mesi.
icona supporto

Supporto post-corso

Assistenza anche dopo la fine del corso, per chiarimenti e approfondimenti.

Personalizza la tua formazione

Il corso può essere riprogettato su misura delle esigenze formative della tua azienda o di un gruppo di lavoro. Contenuti, durata e modalità sono personalizzabili per garantire coerenza con i tuoi obiettivi, tempi e budget.

Programma del Corso

Modulo 1: Fondamenti di Machine Learning

  • Cos’è il Machine Learning: apprendimento supervisionato, non supervisionato e per rinforzo
  • Il workflow di un progetto ML: dai dati al modello in produzione
  • Setup dell’ambiente Python: NumPy, Pandas, Matplotlib e Jupyter Notebook
  • Preparazione dei dati: pulizia, normalizzazione e feature engineering

Modulo 2: Classificazione Parte I

  • Adaline
    • Introduzione
    • Implementazione del Modello
    • Esempi di Classificazione
  • La Regressione Logistica
    • Concetti di Base
    • Introduzione
    • Implementazione del Modello
    • Esempi di Classificazione
  • Classificazione Binaria e Multiclasse
  • Discesa del Gradiente Batch, Stocastica e Mini-Batch
  • Un Introduzione a Scikit Learn
  • Generalizzazione del Modello
    • II Compromesso Bias-Varianza
    • Train-Test Split e Cross-Validation
    • La Regolarizzazione del Modello
    • Curve di Apprendimento
  • Calcolo delle Prestazioni
    • Metriche di Performance
    • La Curva ROC
    • Metriche per la Classificazione Multiclasse

Modulo 3: Classificazione Parte II

  • Decision Tree
    • Introduzione
    • Implementazione del Modello
    • Esempi di Classificazione
    • La Regolarizzazione del Modello
  • K-Nearest Neighbors

Modulo 4: Pre-elaborazione dei dati

  • Gestione dei Dati Mancanti
  • Codifica dei Dati Categorici
  • Scalatura delle Feature
  • Feature Polinomiali
  • Selezione delle Feature
    • Introduzione
    • Mutual Information
    • Sequential Backward Selection
    • Regolarizzazione L1
  • Importanza delle Feature

Modulo 5: Riduzione della dimensionalità

  • Principal Component Analysis
  • Linear Discriminant Analysis

Modulo 6: Tuning del modello

  • Uso delle Pipeline
  • Grid Search
  • Randomized Search
  • Nested Cross-Validation
  • Curve di Validazione

Modulo 7: Ensemble Learning

  • Introduzione
  • Voto Maggioritario
  • Bagging
    • Random Forest
  • Boosting
    • AdaBoost
    • Gradient Boosting
      • Introduzione
      • L'Algoritmo Generale
      • L'Algoritmo di Classificazione
      • Implementazione del Modello
      • Esempi di Classificazione

Modulo 8: Regressione

  • Regressione Lineare
    • Introduzione
    • Implementazione del Modello
    • Esempi di Regressione
  • Random Sample Consensus
  • Metriche di Performance
  • Decision Tree
  • Random Forest
  • Gradient Boosting
    • L'Algoritmo di Regressione
    • Implementazione del Modello
    • Esempi di Regressione

Modulo 9: Analisi dei cluster

  • K-Means
  • II Metodo Elbow
  • II Metodo Silhouette
  • Hierarchical Clustering
  • DBSCAN

Modulo 10: Reti neurali

  • Introduzione
  • Forward Propagation
  • Backpropagation
  • Introduzione
  • Output Layer
  • Hidden Layer
  • Implementazione del Modello
  • Esempi di Classificazione

Prerequisiti

Per partecipare con profitto al corso sono necessarie due competenze di base:

  • Linguaggio Python: conoscenza operativa della sintassi, delle strutture dati (liste, dizionari) e delle funzioni. Se devi consolidare queste basi, il Corso Python di Nexsys è il percorso propedeutico ideale;
  • Matematica a livello di scuola superiore: sapere cos’è una funzione, cos’è una derivata e come si moltiplicano le matrici. Non serve una laurea in matematica: i concetti necessari vengono ripresi durante il corso con esempi pratici.

Non è richiesta alcuna esperienza pregressa di Machine Learning: gli algoritmi vengono costruiti da zero proprio per renderne comprensibile la logica interna.

Perché Imparare il Machine Learning?

Il mercato del lavoro italiano mostra una crescente domanda di competenze in Intelligenza Artificiale e Machine Learning, ma il numero di professionisti qualificati è ancora insufficiente. Sempre più aziende cercano figure in grado di applicare questi strumenti per automatizzare decisioni, ridurre errori e ottimizzare i costi. Formarsi in questo ambito significa acquisire un vantaggio competitivo in un settore in rapida evoluzione.

losses

Prezzo per formazione dedicata online

Seleziona il numero di partecipanti:
One to One
2
3
Più di 3

€ 1700 + IVA a partecipante

A chi è rivolto il corso Machine Learning

Il corso è progettato per profili tecnici che vogliono passare dalla teoria alla pratica dell’apprendimento automatico:

  • Sviluppatori e programmatori che vogliono acquisire le basi del Machine Learning implementando direttamente gli algoritmi, senza scatole nere;
  • Analisti e data analyst interessati a comprendere i meccanismi interni dei modelli predittivi e ad applicarli a dataset reali;
  • Professionisti IT e sistemisti che desiderano aggiungere competenze di analisi predittiva al proprio profilo, anche in ottica di evoluzione verso ruoli data-oriented.

Se parti completamente da zero con la programmazione, il percorso consigliato è iniziare dal Corso Python, che fornisce tutte le basi necessarie per affrontare con profitto questo corso.

Open Badge digitale

Con i nostri corsi non ricevi un semplice attestato in PDF, ma un badge digitale riconosciuto a livello internazionale, conforme allo standard Open Badge.

È verificabile, condivisibile su LinkedIn e integrabile nel tuo CV, per valorizzare le competenze acquisite in modo moderno, trasparente e affidabile.

ethical hacker open badge web

FAQ Corso Machine Learning

Q: Quali sono i pilastri tecnologici e gli algoritmi affrontati nel corso Machine Learning?

A: Il corso fornisce una preparazione solida sulla costruzione di modelli predittivi e descrittivi. Imparerai a padroneggiare l'intero ciclo di vita del dato: dalla pulizia (Data Cleaning) alla scelta degli algoritmi di regressione, classificazione e clustering. Verranno approfondite librerie standard di settore e tecniche di validazione per garantire che i modelli siano accurati e pronti per scenari di business reali.

Q: In che modo l'approccio pratico dei trainer Nexsys aiuta a comprendere l'AI?

A: Il Machine Learning non è solo matematica, è sperimentazione. I nostri docenti sono consulenti che sviluppano soluzioni di AI per le imprese. Durante il corso, vedrai demo operative su come addestrare modelli all'interno di ambienti reali, imparando a interpretare i risultati e a evitare errori comuni (come l'overfitting) che solo chi lavora quotidianamente sul campo sa come gestire efficacemente.

Q: Il corso di Machine Learning è personalizzabile per specifici settori aziendali?

A: Certamente. Nexsys offre corsi dedicati con la possibilità di calibrare il programma sui dati e sulle necessità della tua azienda (es. manutenzione predittiva, analisi del churn o forecasting delle vendite). In questo caso, il corso assume un taglio consulenziale mirato. Le sessioni sono in italiano, con orari flessibili concordati reciprocamente per minimizzare l'impatto sull'operatività del team.

Q: Quale supporto viene garantito dopo la fine della formazione per i progetti di IA?

A: Nexsys non ti lascia solo davanti ai tuoi dati. Dopo il corso, avrai accesso alle registrazioni delle lezioni per 3 mesi e potrai contare su un supporto via mail diretto con il docente per chiarire dubbi tecnici sull'implementazione dei modelli. Inoltre, riceverai l'Open Badge digitale di Nexsys, un certificato internazionale che attesta ufficialmente le tue competenze nel campo del Machine Learning.

Corsi correlati

corso machine learning

Corso Python: livello base ed avanzato

corso machine learning

Corso Microsoft Power BI PL-300

corso machine learning

Corso C#: corso di programmazione C Sharp

Preferisci compilare il modulo? Scrivi i tuoi dati qui sotto

Il servizio telefonico è attivo dal lunedì al venerdì dalle 8:00 alle 18:00 al numero 0452456669. Puoi anche compilare il modulo sottostante: