Recensioni dei lettori
Riepilogo:Il libro costituisce un'utile introduzione all'apprendimento automatico, concentrandosi sull'implementazione pratica utilizzando Python e la libreria scikit-learn. È orientato ai principianti e ai data scientist junior che vogliono conoscere diversi algoritmi e le loro applicazioni. Tuttavia, il libro è stato criticato per la sua organizzazione e profondità.
Vantaggi:⬤ Eccellente per i principianti che non hanno un background matematico.
⬤ Fornisce esempi pratici e applicazioni reali.
⬤ Si concentra sulla libreria scikit-learn, ampiamente utilizzata.
⬤ Copre algoritmi di apprendimento supervisionati e non supervisionati.
⬤ Offre spiegazioni chiare che aiutano a comprendere concetti complessi.
⬤ Adatto ai data scientist che desiderano migliorare le proprie competenze.
⬤ L'organizzazione dei contenuti è piuttosto confusa, con alcuni argomenti importanti collocati in ordine sparso.
⬤ Manca di profondità in alcune aree
⬤ Vengono omessi alcuni concetti e algoritmi importanti.
⬤ Non esiste un glossario per una rapida ricerca dei termini
⬤ si affida invece a un indice.
⬤ Suggerisce di coprire tutto, ma non raggiunge la piena padronanza dell'argomento.
(basato su 4 recensioni dei lettori)
Titolo originale:
Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits: A practical guide to implementing supervised and unsupervised machine lear
Contenuto del libro:
Integrare scikit-learn con vari strumenti come NumPy, pandas, imbalanced-learn e scikit-surprise e usarlo per risolvere problemi di apprendimento automatico del mondo reale.
Caratteristiche principali
⬤ Dentro l'apprendimento automatico con questa guida completa a scikit-learn e al Python scientifico.
⬤ Padroneggiate l'arte della risoluzione di problemi guidati dai dati con esempi pratici.
⬤ Afforzare la conoscenza teorica e pratica degli algoritmi di apprendimento automatico supervisionati e non supervisionati.
Descrizione del libro
L'apprendimento automatico è applicato ovunque, dal mondo degli affari a quello della ricerca e dell'università, mentre scikit-learn è una libreria versatile e popolare tra i professionisti dell'apprendimento automatico. Questo libro è una guida pratica per chiunque voglia fornire soluzioni pratiche di machine learning con scikit-learn e i toolkit Python.
Il libro inizia con una spiegazione dei concetti e dei fondamenti dell'apprendimento automatico, e trova un equilibrio tra i concetti teorici e le loro applicazioni. Ogni capitolo tratta una serie diversa di algoritmi e mostra come utilizzarli per risolvere problemi reali. Imparerete anche a conoscere i principali algoritmi di apprendimento automatico supervisionato e non supervisionato grazie a esempi pratici. Che si tratti di un algoritmo di apprendimento basato sull'istanza, di una stima bayesiana, di una rete neurale profonda, di un ensemble ad albero o di un sistema di raccomandazione, imparerete a conoscerne a fondo la teoria e a capire quando applicarlo. Man mano che si avanza, si apprende come trattare i dati non etichettati e quando utilizzare i diversi algoritmi di clustering e di rilevamento delle anomalie.
Alla fine di questo libro sull'apprendimento automatico, avrete imparato ad adottare un approccio basato sui dati per fornire soluzioni di apprendimento automatico end-to-end. Avrete anche scoperto come formulare il problema, preparare i dati necessari, valutare e distribuire i modelli in produzione.
Che cosa imparerete?
⬤ Capire quando utilizzare algoritmi di apprendimento supervisionati, non supervisionati o di rinforzo.
⬤ Scoprire come raccogliere e preparare i dati per le attività di apprendimento automatico.
⬤ Affrontare dati sbilanciati e ottimizzare il vostro algoritmo per un compromesso tra bias e varianza.
⬤ Applicare algoritmi supervisionati e non supervisionati per superare varie sfide di apprendimento automatico.
⬤ Impiegare le migliori pratiche per la regolazione dei parametri dell'algoritmo.
⬤ Scoprire come utilizzare le reti neurali per la classificazione e la regressione.
⬤ Costruire, valutare e distribuire le proprie soluzioni di apprendimento automatico in produzione.
A chi è rivolto questo libro
Questo libro è rivolto agli scienziati dei dati, ai professionisti dell'apprendimento automatico e a tutti coloro che vogliono imparare come funzionano gli algoritmi di apprendimento automatico e costruire diversi modelli di apprendimento automatico utilizzando l'ecosistema Python. Il libro vi aiuterà a portare la vostra conoscenza dell'apprendimento automatico a un livello superiore, cogliendone i lati positivi e negativi e adattandolo alle vostre esigenze. È richiesta una conoscenza pratica di Python e una comprensione di base dei concetti matematici e statistici sottostanti.
