Apprendimento automatico in Python, seconda edizione: Apprendimento automatico e apprendimento profondo con Python, scikit-learn e TensorFlow

Recensioni dei lettori

Il libro fornisce un'introduzione completa all'apprendimento automatico con Python, bilanciando teoria e codifica pratica. È particolarmente utile per chi ha conoscenze intermedie di statistica e programmazione, anche se potrebbe non essere adatto ai principianti assoluti a causa della sua complessità. Molti utenti apprezzano le spiegazioni chiare, gli aiuti visivi e gli esempi pratici degli autori, mentre alcuni criticano il libro per la sua curva di apprendimento ripida e i dettagli insufficienti nelle aree.

⬤ Spiegazioni e visualizzazioni eccellenti
⬤ solide prove matematiche
⬤ copertura completa delle tecniche di apprendimento automatico
⬤ adatto a utenti intermedi
⬤ esempi pratici con codice Python
⬤ preziose note dalle esperienze degli autori
⬤ serve come utile riferimento per la risoluzione di problemi nell'apprendimento automatico.

⬤ Non adatto ai principianti
⬤ curva di apprendimento ripida
⬤ alcuni utenti lo trovano difficile da digerire
⬤ occasionali problemi di qualità di stampa
⬤ problemi di usabilità del formato Kindle
⬤ troppa attenzione all'algebra lineare senza spiegazioni semplici
⬤ alcuni contenuti possono essere obsoleti o non approfonditi in alcune aree.

(basato su 107 recensioni dei lettori)

Titolo originale:

Python Machine Learning, Second Edition: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow

Contenuto del libro:

Sblocca le moderne tecniche di machine learning e deep learning con Python utilizzando le più recenti librerie open source di Python.

Caratteristiche principali

⬤ Seconda edizione del bestseller sull'apprendimento automatico.

⬤ Un approccio pratico ai principali framework della scienza dei dati, dell'apprendimento automatico e dell'apprendimento profondo.

⬤ Utilizzare le più potenti librerie Python per implementare l'apprendimento automatico e l'apprendimento profondo.

⬤ Conoscere le migliori pratiche per migliorare e ottimizzare i sistemi e gli algoritmi di apprendimento automatico.

Descrizione del libro

.

Nota dell'editore: questa edizione del 2017 è obsoleta e non è compatibile con TensorFlow 2 o con i più recenti aggiornamenti delle librerie Python. È stata pubblicata una nuova terza edizione, aggiornata al 2020 e dotata di TensorFlow 2 e delle ultime novità in materia di scikit-learn, apprendimento per rinforzo e GAN.

L'apprendimento automatico sta divorando il mondo del software e ora l'apprendimento profondo sta estendendo l'apprendimento automatico. Comprendete e lavorate all'avanguardia dell'apprendimento automatico, delle reti neurali e dell'apprendimento profondo con questa seconda edizione del bestseller di Sebastian Raschka, Python Machine Learning. Utilizzando le librerie open source di Python, questo libro offre le conoscenze pratiche e le tecniche necessarie per creare e contribuire all'apprendimento automatico, all'apprendimento profondo e alla moderna analisi dei dati.

Completamente ampliata e modernizzata, Python Machine Learning Second Edition include ora la popolare libreria di deep learning TensorFlow 1.x. Anche il codice di scikit-learn è stato completamente aggiornato alla versione 0.18. 1 per includere miglioramenti e aggiunte a questa versatile libreria di apprendimento automatico.

L'intuizione e l'esperienza unica di Sebastian Raschka e Vahid Mirjalili introducono gli algoritmi di machine learning e deep learning da zero e mostrano come applicarli alle sfide pratiche del settore con esempi realistici e interessanti. Alla fine del libro, sarete pronti ad affrontare le nuove opportunità di analisi dei dati.

Se avete letto la prima edizione di questo libro, sarete felici di trovare un equilibrio tra idee classiche e intuizioni moderne sull'apprendimento automatico. Ogni capitolo è stato aggiornato in modo critico e ci sono nuovi capitoli sulle tecnologie chiave. Sarete in grado di apprendere e lavorare con TensorFlow 1.x in modo più approfondito che mai, e avrete una copertura essenziale della libreria di reti neurali Keras, oltre agli aggiornamenti di scikit-learn 0.18. 1.

Cosa imparerete

⬤ Comprendere i principali framework della scienza dei dati, dell'apprendimento automatico e dell'apprendimento profondo.

⬤ Sfruttare la potenza delle più recenti librerie open source Python per l'apprendimento automatico.

⬤ Esplorare le tecniche di apprendimento automatico utilizzando dati reali e impegnativi.

⬤ Padroneggiare l'implementazione di reti neurali profonde utilizzando la libreria TensorFlow 1.x.

⬤ Imparare la meccanica degli algoritmi di classificazione per implementare lo strumento migliore per il lavoro.

⬤ Prevedere risultati continui utilizzando l'analisi di regressione.

⬤ Scoprire modelli e strutture nascoste nei dati con il clustering.

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

Per chi è questo libro?

Se conoscete un po' di Python e volete utilizzare il machine learning e il deep learning, prendete questo libro. Sia che vogliate iniziare da zero o ampliare le vostre conoscenze sull'apprendimento automatico, questa è una risorsa essenziale e imperdibile. Scritto per sviluppatori e data scientist che vogliono creare codice pratico per l'apprendimento automatico e l'apprendimento profondo, questo libro è ideale per sviluppatori e data scientist che vogliono insegnare ai computer come imparare dai dati.