Apprendimento automatico nel mondo reale

Recensioni dei lettori

Il libro offre una guida pratica all'apprendimento automatico, colmando il divario tra concetti teorici e applicazioni reali. È adatto a chi ha qualche conoscenza di programmazione, soprattutto in Python, e fornisce vari esempi e frammenti di codice per l'apprendimento pratico. Tuttavia, ci sono critiche riguardo alla profondità dei dettagli matematici e ai problemi di presentazione del codice.

⬤ Ben organizzato e presentato in modo chiaro
⬤ ottimo per i professionisti
⬤ buoni esempi e passi pratici
⬤ non è richiesto un background matematico approfondito
⬤ adatto a sviluppatori di livello intermedio
⬤ approccio pratico con esempi di codice
⬤ affronta problemi di vita reale nel ML.

⬤ Manca di profondità nei dettagli matematici
⬤ alcuni frammenti di codice sembrano mal concepiti e possono contenere errori
⬤ presentazione in figure in bianco e nero
⬤ potrebbe non essere adatto a utenti avanzati o a chi cerca un approfondimento teorico
⬤ alcuni lettori lo trovano superficiale.

(basato su 17 recensioni dei lettori)

Titolo originale:

Real-World Machine Learning

Contenuto del libro:

Sintesi

Real-World Machine Learning è una guida pratica pensata per insegnare agli sviluppatori che lavorano l'arte di eseguire progetti di ML. Senza esagerare con la teoria accademica e la matematica complessa, introduce alla pratica quotidiana dell'apprendimento automatico, preparandovi a costruire e distribuire con successo potenti sistemi di ML.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sulla tecnologia

I sistemi di apprendimento automatico aiutano a trovare intuizioni e modelli preziosi nei dati, che non sarebbero mai stati riconosciuti con i metodi tradizionali. Nel mondo reale, le tecniche di ML consentono di identificare le tendenze, di prevedere i comportamenti e di formulare raccomandazioni basate sui fatti. Si tratta di un campo caldo e in crescita, e gli sviluppatori di ML aggiornati sono molto richiesti.

Informazioni sul libro

Il libro Real-World Machine Learning vi insegnerà i concetti e le tecniche di cui avete bisogno per diventare un professionista di successo dell'apprendimento automatico, senza sovraccaricarvi di teoria astratta e matematica complessa. Lavorando su esempi immediatamente rilevanti in Python, acquisirete competenze nell'acquisizione e nella modellazione dei dati, nella classificazione e nella regressione. Esplorerete anche i compiti più importanti come la validazione dei modelli, l'ottimizzazione, la scalabilità e lo streaming in tempo reale. Al termine, sarete pronti a costruire, distribuire e mantenere con successo i vostri potenti sistemi di ML.

Che cosa c'è dentro?

⬤ Previsione del comportamento futuro.

⬤ Valutazione e ottimizzazione delle prestazioni.

⬤ Analizzare il sentiment e formulare raccomandazioni.

Informazioni sul lettore

Non si presuppone alcuna esperienza precedente di apprendimento automatico. Il lettore deve conoscere Python.

Informazioni sugli autori

Henrik Brink, Joseph Richards e Mark Fetherolf sono esperti data scientist impegnati nella pratica quotidiana dell'apprendimento automatico.

Indice dei contenuti

PARTE 1: IL FLUSSO DI LAVORO DELL'APPRENDIMENTO AUTOMATICO.

⬤ Che cos'è l'apprendimento automatico?

⬤ Dati del mondo reale.

⬤ Modellazione e previsione.

⬤ Valutazione e ottimizzazione dei modelli.

⬤ Ingegnerizzazione delle caratteristiche di base.

PARTE 2: APPLICAZIONE PRATICA.

⬤ Esempio: Dati sui taxi di New York.

⬤ Ingegnerizzazione avanzata delle caratteristiche.

⬤ Esempio di NLP avanzato: sentiment delle recensioni cinematografiche.

⬤ Scalare i flussi di lavoro di apprendimento automatico.

⬤ Esempio: pubblicità digitale su display.