Hands-On Unsupervised Learning Using Python: How to Build Applied Machine Learning Solutions from Unlabeled Data

Recensioni dei lettori

Il libro riceve recensioni contrastanti da parte dei lettori: molti ne lodano l'approccio pratico e pratico all'apprendimento non supervisionato, mentre altri ne criticano la profondità, la qualità tecnica e i numerosi errori. È considerato un buon punto di partenza per i principianti, ma carente per chi cerca conoscenze approfondite o tecniche avanzate.

Approccio pratico con applicazioni reali.

Buono per i principianti e gli studenti intermedi, fornisce esempi di codice e spiegazioni chiare.

(basato su 34 recensioni dei lettori)

Contenuto del libro:

Molti esperti del settore considerano l'apprendimento non supervisionato la prossima frontiera dell'intelligenza artificiale, che potrebbe essere la chiave dell'intelligenza artificiale generale. Poiché la maggior parte dei dati del mondo è priva di etichetta, non è possibile applicare l'apprendimento supervisionato tradizionale. L'apprendimento non supervisionato, invece, può essere applicato a insiemi di dati non etichettati per scoprire modelli significativi sepolti in profondità nei dati, modelli che potrebbero essere quasi impossibili da scoprire per gli esseri umani.

L'autore Ankur Patel mostra come applicare l'apprendimento non supervisionato utilizzando due framework Python semplici e pronti per la produzione: Scikit-learn e TensorFlow con Keras. Grazie al codice e agli esempi pratici, gli scienziati dei dati potranno identificare modelli difficili da trovare nei dati e ottenere una visione più approfondita del business, rilevare anomalie, eseguire l'ingegnerizzazione e la selezione automatica delle caratteristiche e generare set di dati sintetici. Tutto ciò che serve è la programmazione e un po' di esperienza nell'apprendimento automatico per iniziare.

⬤ Confrontare i punti di forza e di debolezza dei diversi approcci all'apprendimento automatico: apprendimento supervisionato, non supervisionato e di rinforzo.

⬤ Impostare e gestire progetti di apprendimento automatico end-to-end.

⬤ Costruire un sistema di rilevamento delle anomalie per individuare le frodi con le carte di credito.

⬤ Raggruppa gli utenti in gruppi distinti e omogenei.

⬤ Eseguire l'apprendimento semisupervisionato.

⬤ Sviluppare sistemi di raccomandazione di film utilizzando macchine di Boltzmann ristrette.

⬤ Generare immagini sintetiche utilizzando reti generative avversarie.