Fondamenti di apprendimento automatico per l'analisi predittiva dei dati, seconda edizione: Algoritmi, esempi pratici e casi di studio

Recensioni dei lettori

Il libro è molto apprezzato come risorsa didattica per i principianti dell'apprendimento automatico, in quanto fornisce una solida base e spiegazioni chiare. È ben strutturato, con definizioni dettagliate, casi di studio e un approccio completo all'argomento. Tuttavia, manca di sufficienti esempi di codice e lo stile di scrittura può risultare a volte asciutto.

Facile da leggere e da seguire, ben organizzato, fornisce una solida base, casi di studio dettagliati, spiegazioni chiare degli algoritmi, buon equilibrio tra teoria e praticità, ottimo per i principianti, approfondimento completo dei processi di apprendimento automatico, stampa di alta qualità.

Mancano esempi di codice per l'esperienza pratica, la scrittura può essere asciutta e poco coinvolgente, alcuni concetti potrebbero beneficiare di una maggiore brevità, può richiedere una forte conoscenza dell'inglese.

(basato su 13 recensioni dei lettori)

Titolo originale:

Fundamentals of Machine Learning for Predictive Data Analytics, Second Edition: Algorithms, Worked Examples, and Case Studies

Contenuto del libro:

La seconda edizione di un'introduzione completa agli approcci di apprendimento automatico utilizzati nell'analisi predittiva dei dati, che copre sia la teoria che la pratica.

L'apprendimento automatico viene spesso utilizzato per costruire modelli predittivi estraendo modelli da grandi insiemi di dati. Questi modelli sono utilizzati in applicazioni di analisi predittiva dei dati, tra cui la previsione dei prezzi, la valutazione del rischio, la previsione del comportamento dei clienti e la classificazione dei documenti. Questo testo introduttivo offre una trattazione dettagliata e mirata dei più importanti approcci all'apprendimento automatico utilizzati nell'analisi predittiva dei dati, coprendo sia i concetti teorici che le applicazioni pratiche. Il materiale tecnico e matematico è integrato da esempi pratici ed esplicativi, mentre i casi di studio illustrano l'applicazione di questi modelli nel più ampio contesto aziendale. Questa seconda edizione copre i recenti sviluppi dell'apprendimento automatico, in particolare con un nuovo capitolo sull'apprendimento profondo e due nuovi capitoli che vanno oltre l'analisi predittiva per coprire l'apprendimento non supervisionato e l'apprendimento per rinforzo.

Il libro è accessibile e offre spiegazioni non tecniche delle idee alla base di ogni approccio prima di introdurre modelli matematici e algoritmi. È mirato e approfondito, in quanto fornisce agli studenti una conoscenza dettagliata dei concetti fondamentali, dando loro una solida base per esplorare il campo da soli. Sia i primi capitoli che i successivi casi di studio illustrano come il processo di apprendimento dei modelli predittivi si inserisca nel più ampio contesto aziendale. I due casi di studio descrivono progetti specifici di analisi dei dati attraverso ogni fase di sviluppo, dalla formulazione del problema aziendale all'implementazione della soluzione analitica. Il libro può essere utilizzato come libro di testo a livello introduttivo o come riferimento per i professionisti.