New courses 2022-2023: introduction to Machine Learning
Language: Italian | by Elia Cellini and Luca Bottero
Corso articolato in 10 lezioni di circa 2h tenuto presso il Dipartimento di Fisica in orario 16-18.
Dopo una prima introduzione al Machine Learning, il corso si focalizzerà sulla comprensione e l’implementazione di algoritmi in linguaggio Python, dai più semplici quali Linear e Logistic Regression fino alle Reti Neurali. Nell’ultima parte del corso verrà introdotto il tema del Continual Learning.
Rendiamo disponibili le registrazioni delle lezioni sul nostro canale YouTube.
Per iscriversi inviare una email a info (at) mljc (dot) it , le date verranno comunicate man mano agli iscritti.
New courses 2022-2023: introduction to ML for Brain Computer Interfaces
Language: Italian | by MedicAI team
Corso articolato in 5 lezioni di circa 2h tenuto presso il Dipartimento di Fisica in orario 17-19.
Si parte dalle basi dell’analisi di segnali EEG, illustrando varie tecniche e aspetti del preprocessing per arrivare a comprendere e implementare algoritmi di feature extraction e machine learning utili in problemi legati alle Brain Computer Interface.
Un incontro sarà dedicato al montaggio dei nostri caschetti EEG e all’acquisizione di segnali.
Rendiamo disponibili le registrazioni delle lezioni sul nostro canale YouTube
Per iscriversi inviare una email a info (at) mljc (dot) it , le date verranno comunicate man mano agli iscritti.
Recordings of the first lectures are already available on our YouTube channel
Python code & Jupyter Notebooks are available on GitHub:
Introductory Python Course
One of the first activity we carried out was the delivery of an extra curricular teaching class about Python and Machine Learning. We delivered our classes in December 2019 – January 2020 at the Department of Physics of the University of Turin.
Project X Resources: how to tackle ML competitions
Before joining the Project X Competition, we created a short online pre-course on how to tackle a Machine Learning Competition, to train our team. The content of the course is toward common issues encountered during Machine Learning and Data Science projects and how to practically solve them.