Modulo 1: Introduzione al Machine Learning
Lezione 1 - Principi fondamentali del Machine Learning
Lezione 2 - Tipi di algoritmi di Machine Learning
Lezione 3 - Preprocessing dei dati nel Machine Learning
Lezione 4 - Valutazione delle performance dei modelli

Modulo 2: Apprendimento Supervisionato
Lezione 1 - Regressione lineare e logistica
Lezione 2 - Alberi decisionali e foreste casualizzate
Lezione 3 - Support Vector Machines
Lezione 4 - Reti neurali artificiali e deep learning

Modulo 3: Apprendimento Non Supervisionato
Lezione 1 - Clustering
Lezione 2 - Riduzione della dimensionalità
Lezione 3 - Association rule learning e anomalous detection
Lezione 4 - Analisi delle componenti principali

Modulo 4: Ottimizzazione dei modelli di Machine Learning
Lezione 1 - Tecniche di ottimizzazione dei parametri
Lezione 2 - Overfitting e underfitting
Lezione 3 - Regularizzazione
Lezione 4 - Cross-validation e grid search

Modulo 5: Applicazioni pratiche di Machine Learning
Lezione 1 - NLP e sentiment analysis
Lezione 2 - Computer vision e riconoscimento di immagini
Lezione 3 - Time series forecasting
Lezione 4 - Recommender systems e personalizzazione dell\'esperienza utente