Algoritmi di apprendimento automatico - Seconda edizione: Algoritmi popolari per la scienza dei dati e l'apprendimento automatico, 2a Edizione

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 15 voti.

Titolo originale:

Machine Learning Algorithms - Second Edition: Popular algorithms for data science and machine learning, 2nd Edition

Contenuto del libro:

Una guida facile da seguire, passo dopo passo, per affrontare l'applicazione reale degli algoritmi di apprendimento automatico.

Caratteristiche principali

⬤ Esplora le statistiche e la matematica complessa per le applicazioni ad alta intensità di dati.

⬤ Scoprire i nuovi sviluppi dell'algoritmo EM, della PCA e della regressione bayesiana.

⬤ Studiare modelli e fare previsioni su vari set di dati.

Descrizione del libro

L'apprendimento automatico ha guadagnato un'enorme popolarità per le sue potenti e rapide previsioni su grandi insiemi di dati. Tuttavia, la vera forza che sta alla base di questo potente risultato è rappresentata dai complessi algoritmi che coinvolgono un'analisi statistica sostanziale, in grado di elaborare grandi insiemi di dati e di generare intuizioni sostanziali.

Questa seconda edizione di Algoritmi per l'apprendimento automatico vi guida attraverso i principali risultati dello sviluppo degli algoritmi di apprendimento automatico, che costituiscono i principali contributi al processo di apprendimento automatico e vi aiutano a rafforzare e padroneggiare l'interpretazione statistica nelle aree dell'apprendimento supervisionato, semi-supervisionato e di rinforzo. Una volta affrontati i concetti fondamentali di un algoritmo, esplorerete esempi reali basati sulle librerie più diffuse, come scikit-learn, NLTK, TensorFlow e Keras. Scoprirete nuovi argomenti come l'analisi delle componenti principali (PCA), l'analisi delle componenti indipendenti (ICA), la regressione bayesiana, l'analisi discriminante, il clustering avanzato e la miscela gaussiana.

Alla fine di questo libro, avrete studiato gli algoritmi di apprendimento automatico e sarete in grado di metterli in produzione per rendere le vostre applicazioni di apprendimento automatico più innovative.

Che cosa imparerete?

⬤ Studiare la selezione delle caratteristiche e il processo di ingegneria delle caratteristiche.

⬤ Valutare le prestazioni e i compromessi di errore per la regressione lineare.

⬤ Costruire un modello di dati e capire come funziona utilizzando diversi tipi di algoritmi.

⬤ Imparare a mettere a punto i parametri delle macchine a vettore di supporto (SVM).

⬤ Esplorare il concetto di elaborazione del linguaggio naturale (NLP) e di sistemi di raccomandazione.

⬤ Creare un'architettura di apprendimento automatico da zero.

A chi è rivolto questo libro

Algoritmi di apprendimento automatico è adatto a chi è un ingegnere dell'apprendimento automatico, un ingegnere dei dati o uno scienziato dei dati junior che vuole avanzare nel campo dell'analisi predittiva e dell'apprendimento automatico. La familiarità con R e Python sarà un ulteriore vantaggio per trarre il meglio da questo libro.