Apprendimento automatico con PyTorch e Scikit-Learn: Sviluppare modelli di machine learning e deep learning con Python

Recensioni dei lettori

Il libro è molto apprezzato come guida completa all'apprendimento automatico con una forte attenzione alle applicazioni pratiche utilizzando PyTorch e Scikit-Learn. I recensori ne apprezzano la completezza, l'approccio pratico e l'integrazione dei concetti matematici in un formato digeribile. Tuttavia, sono state mosse alcune critiche alla presentazione, in particolare all'uso di grafici in bianco e nero, che alcuni lettori trovano meno coinvolgenti.

⬤ Copertura approfondita dei concetti di apprendimento automatico
⬤ esempi pratici di codice
⬤ approccio pratico all'apprendimento
⬤ basi approfondite sia nella teoria che nell'applicazione
⬤ riferimenti ben citati per ulteriori studi
⬤ adatto a vari livelli di competenza, dai principianti ai professionisti avanzati.

⬤ Problemi di presentazione con grafica in bianco e nero
⬤ alcuni lettori si aspettavano un maggiore approfondimento su argomenti specifici
⬤ critiche occasionali all'impaginazione del libro o alla mancanza di sezioni introduttive
⬤ sono necessarie alcune conoscenze tecniche per una piena comprensione.

(basato su 87 recensioni dei lettori)

Titolo originale:

Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python

Contenuto del libro:

Libro PyTorch della serie Python Machine Learning, bestseller e molto apprezzata, ampliato con trasformatori, XGBoost e reti neurali a grafo.

Caratteristiche principali:

⬤ Impara l'apprendimento automatico applicato con una solida base teorica.

⬤ Spiegazioni chiare e intuitive vi porteranno in profondità nella teoria e nella pratica dell'apprendimento automatico in Python.

⬤ Completamente aggiornato e ampliato per coprire PyTorch, i trasformatori, XGBoost, le reti neurali a grafo e le migliori pratiche.

Descrizione del libro:

Machine Learning with PyTorch and Scikit-Learn è una guida completa all'apprendimento automatico e all'apprendimento profondo con PyTorch. Si tratta sia di un tutorial passo-passo che di un riferimento a cui si tornerà continuamente per costruire i propri sistemi di apprendimento automatico.

Ricco di spiegazioni chiare, visualizzazioni ed esempi, questo libro tratta in modo approfondito tutte le tecniche essenziali di apprendimento automatico. Mentre alcuni libri insegnano solo a seguire le istruzioni, con questo libro sull'apprendimento automatico vi insegniamo i principi per costruire modelli e applicazioni da soli.

Aggiornato per coprire l'apprendimento profondo con PyTorch, questo libro introduce anche i lettori alle ultime aggiunte a scikit-learn. Inoltre, questo libro tratta varie tecniche di apprendimento automatico e di deep learning per la classificazione di testi e immagini. Si parla anche di reti generative avversarie (GAN) per la generazione di nuovi dati e l'addestramento di agenti intelligenti con l'apprendimento per rinforzo. Infine, questa nuova edizione è stata ampliata per coprire le ultime tendenze del deep learning, tra cui l'introduzione alle reti neurali a grafo e ai trasformatori su larga scala utilizzati per l'elaborazione del linguaggio naturale (NLP).

Questo libro di PyTorch è il compagno dell'apprendimento automatico con Python, sia che siate sviluppatori Python alle prime armi con l'apprendimento automatico, sia che vogliate approfondire la vostra conoscenza degli ultimi sviluppi.

Che cosa imparerete?

⬤ Esplorare i framework, i modelli e le tecniche per far sì che le macchine "imparino" dai dati.

⬤ Utilizzare scikit-learn per l'apprendimento automatico e PyTorch per l'apprendimento profondo.

⬤ Addestrare classificatori di apprendimento automatico su immagini, testo e altro.

⬤ Costruire e addestrare reti neurali, trasformatori e reti neurali a grafo.

⬤ Scoprire le migliori pratiche per la valutazione e la messa a punto dei modelli.

⬤ Prevedere risultati continui utilizzando l'analisi di regressione.

⬤ Affondare i dati testuali e dei social media utilizzando la sentiment analysis.

A chi è rivolto questo libro?

Se conoscete un po' di Python e volete utilizzare il machine learning e il deep learning, prendete questo libro. Sia che vogliate partire da zero o ampliare le vostre conoscenze di machine learning, questa è una risorsa essenziale.

Scritto per gli sviluppatori e i data scientist che vogliono creare un apprendimento automatico pratico con Python e il codice di deep learning di PyTorch. Questo libro su Python è ideale per chiunque voglia insegnare ai computer come imparare dai dati.

La conoscenza del linguaggio di programmazione Python e una buona comprensione del calcolo e dell'algebra lineare sono indispensabili.