Apprendimento supervisionato con Python: Concetti e implementazione pratica con Python

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Supervised Learning with Python: Concepts and Practical Implementation Using Python

Contenuto del libro:

Acquisire una conoscenza approfondita degli algoritmi di apprendimento supervisionato sviluppando casi d'uso con Python. Studierete i concetti di apprendimento supervisionato, il codice Python, i set di dati, le migliori pratiche, la risoluzione di problemi e insidie comuni e la conoscenza pratica dell'implementazione di algoritmi per set di dati strutturati, di testo e di immagini.

Inizierete con un'introduzione all'apprendimento automatico, evidenziando le differenze tra apprendimento supervisionato, semi-supervisionato e non supervisionato. Nei capitoli successivi si studieranno i problemi di regressione e classificazione, la matematica che li sottende, gli algoritmi come la regressione lineare, la regressione logistica, l'albero delle decisioni, KNN, Nave Bayes e gli algoritmi avanzati come Random Forest, SVM, Gradient Boosting e le reti neurali. Per tutti gli algoritmi è prevista l'implementazione in Python. Il libro si conclude con un processo di sviluppo del modello end-to-end, che include il deployment e la manutenzione del modello.

Dopo aver letto Supervised Learning with Python, avrete un'ampia comprensione dell'apprendimento supervisionato e della sua implementazione pratica, e sarete in grado di eseguire il codice e di estenderlo in modo innovativo.

Cosa imparerete

⬤ Rivedere gli elementi e i concetti fondamentali dell'apprendimento supervisionato utilizzando Python.

⬤ Sviluppare soluzioni di apprendimento supervisionato per dati strutturati, testo e immagini.

⬤ Risolvere problemi di overfitting, ingegneria delle caratteristiche, pulizia dei dati e convalida incrociata per costruire modelli ottimali.

⬤ Comprendere il ciclo end-to-end del modello, dalla definizione del problema aziendale all'implementazione e alla manutenzione del modello.

⬤ Evitare le insidie più comuni e aderire alle best practice durante la creazione di un modello di apprendimento supervisionato utilizzando Python.

Per chi è questo libro?

Data scientist o analisti di dati interessati alle best practice e agli standard per l'apprendimento supervisionato e all'utilizzo di algoritmi di classificazione e tecniche di regressione per sviluppare modelli predittivi.