Apprendimento automatico in Python per principianti: Imparare da zero NumPy, Pandas, Matplotlib, Seaborn, Scikitlearn e TensorFlow per l'apprendimento automatico e l'analisi dei dati.

Recensioni dei lettori

Il libro riceve recensioni contrastanti da parte degli utenti, molti dei quali ne lodano l'approccio facile per i principianti all'apprendimento automatico e alla programmazione Python, mentre altri ne criticano la mancanza di profondità e alcuni problemi logistici nell'accesso ai materiali.

- Guida passo-passo adatta ai principianti assoluti di Python e machine learning

- Approccio pratico e pratico con esempi ed esercizi di codifica

(basato su 15 recensioni dei lettori)

Titolo originale:

Python Machine Learning for Beginners: Learning from scratch NumPy, Pandas, Matplotlib, Seaborn, Scikitlearn, and TensorFlow for Machine Learning and

Contenuto del libro:

Apprendimento automatico in Python per principianti.

L'apprendimento automatico (ML) e l'intelligenza artificiale (AI) sono qui per restare. Sì, proprio così. Sulla base di una quantità significativa di dati e prove, è ovvio che il ML e l'IA sono qui per restare. Considerate qualsiasi settore oggi. Le applicazioni pratiche del ML stanno davvero portando a risultati aziendali. Che si tratti di sanità, e-commerce, pubblica amministrazione, trasporti, siti di social media, servizi finanziari, produzione, petrolio e gas, marketing e vendite, l'elenco è lungo. L'elenco continua. Non c'è dubbio che il ML giocherà un ruolo decisivo in tutti i settori in futuro. Ma cosa fa un professionista dell'apprendimento automatico? Uno specialista di Machine Learning sviluppa algoritmi intelligenti che imparano dai dati e si adattano rapidamente ai dati stessi. Quindi, questi algoritmi di alto livello fanno previsioni accurate.

Python Machine Learning for Beginners presenta un approccio pratico per imparare velocemente il ML.

In cosa è diverso questo libro?

AI Publishing crede fermamente nella metodologia dell'imparare facendo. Per questo motivo abbiamo realizzato questo libro con cura. Troverete che l'enfasi sugli aspetti teorici dell'apprendimento automatico è pari all'enfasi sugli aspetti pratici della materia. Nella prima metà del libro imparerete a conoscere in dettaglio l'analisi e la visualizzazione dei dati. Poi, nella seconda metà, imparerete a conoscere l'apprendimento automatico e i modelli statistici per la scienza dei dati. Ogni capitolo presenta il quadro teorico alla base delle diverse tecniche di scienza dei dati e di apprendimento automatico, mentre esempi pratici illustrano il funzionamento di queste tecniche. Acquistando questo libro, il vostro percorso di apprendimento diventa molto più semplice. Il motivo è che avrete accesso immediato a tutto il materiale didattico presentato con questo libro - riferimenti, PDF, codici Python ed esercizi - sul sito web dell'editore. Tutto questo materiale è disponibile senza costi aggiuntivi. È possibile scaricare i dataset ML utilizzati in questo libro in fase di esecuzione, oppure accedervi tramite la cartella Resources/Datasets. Troverete immensamente utile anche il breve corso sulla programmazione Python contenuto nel secondo capitolo, soprattutto se siete alle prime armi con Python. Poiché questo libro dà accesso a tutti i codici e ai dataset Python, per iniziare è sufficiente avere accesso a un computer con Internet.

Gli argomenti trattati comprendono:

⬤ Introduzione e configurazione dell'ambiente.

⬤ Corso accelerato di Python.

⬤ Libreria NumPython per l'analisi dei dati.

⬤ Introduzione alla libreria Pandas per l'analisi dei dati.

⬤ Visualizzazione dei dati tramite le librerie Matplotlib, Seaborn e Pandas.

⬤ Risoluzione di problemi di regressione in ML utilizzando la libreria Sklearn.

⬤ Risoluzione di problemi di classificazione in ML con la libreria Sklearn.

⬤ Clustering di dati con la ML usando la libreria Sklearn.

⬤ Apprendimento approfondito con Python TensorFlow 2.0.

⬤ Riduzione della dimensionalità con PCA e LDA usando Sklearn.

Fate clic sul pulsante ACQUISTA ORA per iniziare il vostro viaggio nell'apprendimento automatico.