Descrizione

Questo corso introduce alle tecniche fondamentali del data mining e del machine learning, con un approccio concreto e orientato all’applicazione. È pensato per chi desidera iniziare a lavorare con i dati in modo predittivo e automatizzato: si parte dai concetti chiave, si esplorano gli algoritmi principali e si lavora su piccoli progetti reali con dataset pubblici. Nessuna esperienza pregressa richiesta, solo curiosità e spirito analitico.

Argomenti trattati

• Cos’è il machine learning e come funziona

• Classificazione, regressione, clustering

• Algoritmi principali: k-NN, decision tree, linear regression

• Data mining e feature engineering

• Pipeline di training e test

Cosa imparerai

• Comprendere come “apprendono” i modelli automatici

• Preparare e trasformare dataset per l’analisi predittiva

• Applicare modelli base per fare previsioni e categorizzazioni

Programma

1. Introduzione a ML e Data Mining: differenze e sinergie

2. Gestione dataset: data cleaning, normalizzazione, bilanciamento

3. Algoritmi supervisionati: classificazione e regressione

4. Algoritmi non supervisionati: clustering e riduzione dimensionale

5. Implementazione con scikit-learn in Python

6. Training, test e validazione del modello

7. Lettura e interpretazione delle metriche di performance

8. Project work finale: classificazione o previsione su dataset reale

Strumenti

• Python (scikit-learn, pandas, matplotlib),
• Jupyter Notebook,
• Dataset pubblici (es. UCI, Kaggle),
• Google Colab.

Metodologie

• Esercitazioni progressive, Live coding,
• Test guidati,
• Mini-hackathon finale,
• Interpretazione dei risultati in gruppo.