Programmazione dell'apprendimento automatico: Dal codice all'apprendimento profondo

Recensioni dei lettori

Il libro “Programmare l'apprendimento automatico” di Paolo Perrotta è ampiamente apprezzato per il suo approccio chiaro e metodico all'introduzione dei concetti di apprendimento automatico. Guida con successo i principianti attraverso i fondamenti dell'apprendimento automatico e delle reti neurali, senza fare grande affidamento sulle librerie esistenti, rendendo più accessibili argomenti complessi. Tuttavia, alcuni recensori hanno notato carenze nelle spiegazioni matematiche più approfondite e in alcuni argomenti avanzati, suggerendo che potrebbe non soddisfare le esigenze di coloro che cercano una copertura estesa in queste aree.

⬤ Introduzione chiara e graduale ai concetti di apprendimento automatico.
⬤ Buone spiegazioni della matematica e del codice sottostante.
⬤ Approccio pratico e pratico con esempi.
⬤ Diagrammi ben illustrati che migliorano la comprensione.
⬤ Supporto e coinvolgimento personalizzato dell'autore.
⬤ Ottimo per i principianti e i programmatori intermedi che vogliono acquisire le conoscenze di base.

⬤ Manca una descrizione matematica approfondita dei concetti.
⬤ Alcuni capitoli, come quelli sulle CNN, sono considerati inadeguati.
⬤ Copertura limitata di argomenti avanzati, che potrebbe non soddisfare chi cerca una conoscenza completa.

(basato su 19 recensioni dei lettori)

Titolo originale:

Programming Machine Learning: From Coding to Deep Learning

Contenuto del libro:

Avete deciso di affrontare l'apprendimento automatico, perché state cercando lavoro, state intraprendendo un nuovo progetto o semplicemente pensate che le auto a guida autonoma siano fantastiche. Ma da dove cominciare? È facile essere intimiditi, anche come sviluppatori di software. La buona notizia è che non deve essere così difficile. Imparate a padroneggiare l'apprendimento automatico scrivendo codice una riga alla volta, da semplici programmi di apprendimento fino a un vero e proprio sistema di deep learning. Affrontate gli argomenti più difficili scomponendoli in modo da renderli più facili da capire e rafforzate la vostra sicurezza sporcandovi le mani.

Eliminate le oscurità dell'apprendimento automatico, partendo da zero e arrivando fino all'apprendimento profondo. L'apprendimento automatico può intimidire, in quanto si basa su matematica e algoritmi che la maggior parte dei programmatori non incontra nel proprio lavoro. Adottate un approccio pratico, scrivendo voi stessi il codice Python, senza librerie che possano oscurare ciò che sta realmente accadendo. Iterate il vostro progetto e aggiungete strati di complessità man mano che procedete.

Costruire un'applicazione di riconoscimento delle immagini da zero con l'apprendimento supervisionato. Prevedere il futuro con la regressione lineare. Immergetevi nella discesa del gradiente, un algoritmo fondamentale che guida la maggior parte dell'apprendimento automatico. Creare perceptron per classificare i dati. Costruire reti neurali per affrontare set di dati più complessi e sofisticati. Addestrare e perfezionare queste reti con la backpropagation e il batching. Stratificate le reti neurali, eliminate l'overfitting e aggiungete la convoluzione per trasformare la rete neurale in un vero sistema di deep learning.

Partite dall'inizio e codificate la vostra strada verso la padronanza dell'apprendimento automatico.

Cosa serve:

Gli esempi di questo libro sono scritti in Python, ma non preoccupatevi se non conoscete questo linguaggio: imparerete molto rapidamente tutto il Python di cui avete bisogno. A parte questo, avrete bisogno solo del vostro computer e del vostro cervello esperto di codice.