Farò progetti di machine learning

Sviluppo soluzioni di machine learning usando Python, Scikit-learn, XGBoost e tecniche di apprendimento supervisionato e reinforcement learning, inclusi classificazione, regressione, feature engineering, ottimizzazione del modello e valutazione. Sto entrando nel quinto e ultimo anno del mio corso di laurea in Ingegneria dell'Intelligenza Artificiale quinquennale. Il mio progetto di analisi tennistica utilizza XGBoost per stimare le probabilità di vincita di punti a partire dai dati shot-by-shot delle partite, valutati su oltre 700.000 colpi di 970 partite. Ho sviluppato anche una simulazione Q-Learning per l'ansia da separazione del cane, dove un agente apprende una politica comportamentale tramite ricompense, esplorazione e interazioni ripetute. Questi progetti dimostrano esperienza pratica con modelli predittivi e decisioni sequenziali.