Guide Python eseguibili

Concetti di IA in Python

Scopri come funzionano reti neurali, machine learning, Transformer e IA classica con brevi lezioni Python eseguibili che non usano librerie di IA.

Esegui Concetti di IA in Python online

14 esempi eseguibili

Neuroni e funzioni di attivazione in Python

Costruisci un neurone artificiale in Python puro: una somma pesata degli input più un bias, passata attraverso sigmoid o ReLU.

Vedi esempio →

Propagazione in avanti e funzioni di perdita in Python

Fai passare gli input strato per strato in una piccola rete neurale, poi misura l'errore con l'errore quadratico e la cross-entropy.

Vedi esempio →

Discesa del gradiente e backpropagation in Python

Addestra un neurone con la discesa del gradiente: usa la regola della catena per capire come ogni peso influenza la perdita, poi scendi lungo la pendenza.

Vedi esempio →

Ottimizzatori per reti neurali: SGD, Momentum e Adam in Python

Confronta la discesa del gradiente semplice, il momentum e Adam minimizzando passo dopo passo la stessa funzione.

Vedi esempio →

Preparazione dei dati per il machine learning in Python

Riscala le feature con la normalizzazione min-max e la standardizzazione z-score, e moltiplica le matrici a mano.

Vedi esempio →

Regressione lineare e logistica in Python

Adatta una retta con i minimi quadrati, poi trasforma un punteggio in probabilità con la regressione logistica.

Vedi esempio →

Basi della classificazione: softmax e k-nearest neighbors in Python

Trasforma i punteggi in probabilità di classe con softmax, valutali con la cross-entropy e classifica punti con i k vicini più prossimi.

Vedi esempio →

Similarità del coseno e clustering k-means in Python

Misura quanto sono simili due vettori con la similarità del coseno e raggruppa dati senza etichette con k-means.

Vedi esempio →

Tokenizzazione: vocabolario, one-hot e byte pair encoding in Python

Trasforma il testo in numeri come fanno i modelli linguistici: costruisci un vocabolario, codifica le parole in one-hot e impara token di sottoparole con BPE.

Vedi esempio →

Attention e self-attention in Python

Calcola a mano la scaled dot-product attention con query, key e value, poi aggiungi una maschera causale come in GPT.

Vedi esempio →

Come i modelli linguistici generano testo: temperature e top-k in Python

Guarda come un modello linguistico sceglie il token successivo: layer normalization, temperature e campionamento top-k in Python puro.

Vedi esempio →

Ricerca e IA per i giochi: A* e minimax in Python

Trova il percorso più breve su una griglia con la ricerca A* e scegli la mossa migliore in un gioco con minimax.

Vedi esempio →

Catene di Markov e il compromesso tra esplorazione e sfruttamento in Python

Prevedi gli stati futuri con una catena di Markov e bilancia esplorazione e sfruttamento con un bandit epsilon-greedy.

Vedi esempio →

Apprendimento per rinforzo: value iteration e Q-learning in Python

Insegna a un agente a raggiungere un obiettivo: calcola i valori degli stati con la value iteration, poi imparali per tentativi ed errori con il Q-learning.

Vedi esempio →