Machine Learning con Python
costruire algoritmi per generare conoscenza
- 400 pagine
- Italian
- ePUB (disponibile sull'app)
- Disponibile su iOS e Android
Informazioni sul libro
Elaborare il magma di dati oggi disponibili è una sfida affascinante e imprescindibile per il mondo contemporaneo dove la conoscenza e l'informazione sono il primo valore. Il machine learning è la risposta: grazie ai suoi algoritmi è possibile creare macchine in grado apprendere in maniera automatica e rispondere alle domande chiave per il successo.Questo libro accompagna nel mondo del machine learning e mostra come Python sia il linguaggio di programmazione ideale per costruire algoritmi sofisticati in grado di interrogare i dati nel modo migliore e recuperare preziosi insight. Viene spiegato l'utilizzo di librerie Python dedicate - tra cui scikit-learn, Theano e Keras - applicate in ambiti come la selezione e la compressione dei dati, l'analisi del linguaggio naturale, l'elaborazione di previsioni, il riconoscimento delle immagini.L'approccio didattico è pragmatico: tutti i concetti sono accompagnati da esempi pratici di codice. La lettura è consigliata a chi ha già alle spalle qualche studio teorico nel campo del machine learning oltre a una buona conoscenza di programmazione in Python.
Domande frequenti
Informazioni
Indice dei contenuti
- Prefazione
- Introduzione
- Ringraziamenti
- Capitolo 1 - Dare ai computer la capacità di apprendere dai dati
- Capitolo 2 - Addestrare gli algoritmi a compiti di classificazione
- Capitolo 3 - I classificatori di machine learning di scikit-learn
- Capitolo 4 - Costruire buoni set di addestramento: la pre-elaborazione
- Capitolo 5 - Compressione dei dati tramite la riduzione della dimensionalità
- Capitolo 6 - Valutazione dei modelli e ottimizzazione degli iperparametri
- Capitolo 7 - Combinare più modelli: l’apprendimento d’insieme
- Capitolo 8 - Tecniche di machine learning per l’analisi del sentiment
- Capitolo 9 - Embedding di un modello in un’applicazione web
- Capitolo 10 - Previsioni di variabili target continue: l’analisi a regressione
- Capitolo 11 - Lavorare con dati senza etichette: l’analisi a cluster
- Capitolo 12 - Reti neurali artificiali per il riconoscimento delle immagini
- Capitolo 13 - Parallelizzare l’addestramento delle reti neurali con Theano