Il Differential Privacy by Shuffling è un approccio di differential privacy che si pone l’obiettivo di risolvere il compromesso tra…
Il Reinforcement Learning, che mi rifiuto di tradurre in apprendimento per rinforzo, è uno dei temi più scottanti nel campo…
Con l’espressione Synthetic Data soliamo riferirci ai dati sintetici generati da una sistema, una macchina. Una definizione semplice, ma che…
Ho individuato e raccolto per te le librerie Python (Python Libraries) per Data Science e Machine Learning. L’articolo sarà in…
Il Federated Averaging è il più popolare federated optimizer per risolvere problemi di federated learning. Evidentemente è tutto chiaro e…
Data Science, machine-learning, Privacy Preserving
Non-IID ness: Non-independently and identically distributed data
La Non-IID ness è un’espressione usata in modo ampio per indicare il complesso di metodologie, algoritmi e approcci per rappresentare,…
Guide, machine-learning, Portfolio
Primi passi con streamlit: Il Machine Learning Deployment rapido!
Stai per muovere i primi passi con Streamlit, l’app framework versatile per creare eleganti e sofisticate applicazioni in poche ore.…
Le explicit ratings, ossia le valutazioni esplicite (e.g. commenti), sono importanti informazioni, necessarie a costruire un buon recommender system, o…
Un Adversarial Attack è un attacco compiuto per mezzo di adversarial examples ai danni di un modello di machine learning,…
I Recommender Systems possono essere distinti attraverso l’ausilio di una tassonomia, vale a dire una serie di criteri che ne…