Apprendimento supervisionato pratico con Python: Imparare a risolvere i problemi di apprendimento automatico con algoritmi di apprendimento supervisionato utilizzando Python

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 10 voti.

Titolo originale:

Hands-on Supervised Learning with Python: Learn How to Solve Machine Learning Problems with Supervised Learning Algorithms Using Python

Contenuto del libro:

Risoluzione pratica di problemi di ML e creazione di soluzioni con Python.

Caratteristiche principali

⬤ Introduzione alla programmazione in Python.

⬤ Python per l'apprendimento automatico.

⬤ Introduzione al Machine Learning.

⬤ Introduzione alla modellazione predittiva, algoritmi supervisionati e non supervisionati.

⬤ Regressione lineare, regressione logistica e macchine a vettori di supporto.

Descrizione

Imparerete i fondamenti del Machine Learning e della programmazione Python, che vi introdurrà alla modellazione predittiva e alle diverse metodologie di modellazione predittiva. Verranno introdotti gli algoritmi di apprendimento supervisionato e di apprendimento non supervisionato e la differenza tra di essi.

Ci concentreremo sull'apprendimento di algoritmi di apprendimento automatico supervisionati che coprono la regressione lineare, la regressione logistica, le macchine a vettori di supporto, gli alberi decisionali e le reti neurali artificiali. Per ognuno di questi algoritmi, si lavorerà con set di dati open-source e si utilizzerà la programmazione python per programmare gli algoritmi di apprendimento automatico. Imparerete a pulire i dati e a ottimizzare le caratteristiche per ottenere i migliori risultati dal vostro modello di apprendimento automatico. Imparerete a conoscere i vari parametri che determinano l'accuratezza del vostro modello e come potete mettere a punto il vostro modello in base alla riflessione di questi parametri.

Che cosa imparerete?

⬤ Avere una visione chiara di cosa sia il Machine Learning e familiarizzare con i principi fondamentali dell'apprendimento automatico.

⬤ Capire le librerie specifiche del linguaggio Python disponibili per l'apprendimento automatico ed essere in grado di lavorare con queste librerie.

Esplorare i diversi algoritmi di Machine Learning basati sull'apprendimento supervisionato e sapere come implementarli quando viene presentato un caso d'uso in tempo reale.

⬤ Conoscere da vicino l'esplorazione dei dati, la pulizia dei dati, la pre-elaborazione dei dati e l'implementazione dei modelli.

⬤ Conoscere le basi del Deep Learning e alcuni interessanti algoritmi in questo settore.

⬤ Scegliere il modello giusto in base alla dichiarazione del problema e lavorare con le tecniche EDA per ottenere una buona precisione del modello.

Per chi è questo libro?

Questo libro è rivolto a chiunque sia interessato a comprendere il Machine Learning. I principianti, gli ingegneri dell'apprendimento automatico e gli scienziati dei dati che vogliono familiarizzare con gli algoritmi di apprendimento supervisionato troveranno questo libro utile.

Indice dei contenuti

1. Introduzione alla programmazione Python.

2. Python per l'apprendimento automatico.

3. Introduzione al Machine Learning.

4. Apprendimento supervisionato e apprendimento non supervisionato.

5. Regressione lineare: Una guida pratica 6. Regressione logistica: un'introduzione.

7. Un'occhiata al funzionamento delle macchine a vettori di supporto (SVM).

8. Alberi decisionali.

9. Foreste casuali.

10. Modelli di serie temporali nel Machine Learning.

11. Introduzione alle reti neurali.

12. Reti neurali ricorrenti.

13. Reti neurali convoluzionali.

14. Metriche di prestazione.

15. Introduzione al Design Thinking.

16. Studio di casi di Design Thinking.