Apprendimento automatico con Python per tutti

Recensioni dei lettori

Il libro “Machine Learning with Python for Everyone” del Dr. Mark Fenner è molto apprezzato per il suo approccio chiaro e pratico all'insegnamento dell'apprendimento automatico, soprattutto per i principianti. Semplifica concetti complessi ed evita contenuti matematici pesanti, fornendo esempi coinvolgenti in Python. Tuttavia, alcuni lettori ritengono che manchi un tutorial completo sulla configurazione dell'ambiente di apprendimento, in particolare con Jupyter, e che potrebbero aver bisogno di più progetti pratici da eseguire direttamente.

⬤ Presentazione chiara e pratica dei concetti di apprendimento automatico.
⬤ Accessibile per i principianti assoluti con scarse conoscenze matematiche.
⬤ Stile di scrittura informale e piacevole.
⬤ Esempi di alta qualità che possono essere eseguiti su computer domestici.
⬤ Feedback positivo sulla reattività dell'autore alle domande.

⬤ Mancanza di un tutorial dettagliato per la configurazione dell'ambiente, in particolare di Jupyter.
⬤ Richiede ai lettori di inserire manualmente il codice Python, il che può risultare gravoso per alcuni.
⬤ Progetti pratici limitati.

(basato su 5 recensioni dei lettori)

Titolo originale:

Machine Learning with Python for Everyone

Contenuto del libro:

La Guida completa per principianti alla comprensione e alla costruzione di sistemi di apprendimento automatico con Python.

Machine Learning with Python for Everyone vi aiuterà a padroneggiare i processi, i modelli e le strategie necessarie per costruire sistemi di apprendimento efficaci, anche se siete principianti assoluti. Se sapete scrivere un po' di codice Python, questo libro fa per voi, indipendentemente dalla vostra scarsa conoscenza della matematica a livello universitario. L'istruttore principale Mark E. Fenner si affida a storie in chiaro, immagini ed esempi Python per comunicare le idee dell'apprendimento automatico.

Mark inizia parlando dell'apprendimento automatico e di ciò che può fare, introducendo gli argomenti matematici e computazionali chiave in modo accessibile e guidandovi attraverso i primi passi nella costruzione, nell'addestramento e nella valutazione dei sistemi di apprendimento. Passo dopo passo, completerete i componenti di un sistema di apprendimento pratico, amplierete la vostra cassetta degli attrezzi ed esplorerete alcune delle tecniche più sofisticate e interessanti del settore. Che siate studenti, analisti, scienziati o hobbisti, le intuizioni di questa guida saranno applicabili a tutti i sistemi di apprendimento che costruirete o utilizzerete.

⬤ Comprendere gli algoritmi di apprendimento automatico, i modelli e i concetti fondamentali dell'apprendimento automatico.

⬤ Classificare esempi con classificatori e quantificare esempi con regressori.

⬤ Valutare realisticamente le prestazioni dei sistemi di apprendimento automatico.

⬤ Usare l'ingegneria delle caratteristiche per trasformare i dati grezzi in forme utili.

⬤ Collegare più componenti a un sistema e metterne a punto le prestazioni.

⬤ Applicare le tecniche di apprendimento automatico a immagini e testi.

⬤ Collegare i concetti fondamentali alle reti neurali e ai modelli grafici.

⬤ Utilizzare la libreria Python scikit-learn e altri potenti strumenti.

Registrate il vostro libro per accedere comodamente a download, aggiornamenti e/o correzioni non appena disponibili. Per i dettagli, consultare l'interno del libro.