• machine learning
• ai intelligenza artificiale

WEEK 1

• Algebra 
• Calcolo 
• Statistica 
• Basi programmazione in Python 
• Git 

WEEK 2

• Ondemand:  
• Python (magic methods, VS Code) 
• SQL (SQL in Python) 
• EDA e Pandas 

WEEK 3

• Concetti base addestramento e validazione 
• Classificazione 
• Naive Bayes 
• Logistic Regression 
• SVM  
• KNN  
• Decision trees 

WEEK 4

• On Demand:  
• Random Forest 
• Bagging & Boosting 
• Ensemble learning (XGBoost) 
• Regressione nei vari tipi

WEEK 5 

• Kmeans 
• Dbscan 
• Expectation Maximization 
• Riduzione di dimensionalità 
• PCA 
• T-SNE 
• U-MAP 

WEEK 6

• Intro reti neurali 
• Reti neurali 
• Introduzione al deep learning 
• Pytorch 

WEEK 7  

• Computer Vision  

WEEK 8

• On Demand: NLP 

WEEK 9

• Ecosystem GCP + esercitazione

WEEK 10

• BigQuery & AutoML 
• Esercitazione  

WEEK 11

• Vertex AI + Containerizzazione + Cloud ML API (vision, nlp,recommender)
• Mercoledì: 4 ore frontali
• Sabato: Esercitazione  

WEEK 12

• Project Revision
• Test resume