Corso di Previsione Oceanica con Machine Learning

Questo corso breve unisce dati e intelligenza artificiale per la previsione oceanica. Distinguerai gli approcci fisici, statistici e di machine learning e gli orizzonti di previsione, preparerai dati di boe e satelliti con finestre mobili, feature engineering, suddivisioni temporali, normalizzazione e valori mancanti, e addestrerai regressione lineare con regolarizzazione, alberi decisionali, random forest e gradient boosting con ottimizzazione degli iperparametri e importanza delle variabili. Applicherai poi reti neurali dense, ricorrenti, LSTM e convoluzionali, correggerai l'output dei modelli numerici, produrrai previsioni probabilistiche e le validerai con metriche di errore e di abilità rispetto alle previsioni di riferimento, inclusi gli eventi estremi.

Cosa distingue questo corso: un approccio pratico con modelli addestrati su dati oceanici aperti; un confronto onesto dei risultati con le previsioni fisiche di riferimento; una validazione rigorosa con metriche e schemi adatti alle serie temporali; strumenti aperti come Python, scikit-learn e librerie di deep learning; e un caso pratico in cui costruisci un modello di previsione per una variabile e una località reali.