Un approccio pratico agli algoritmi di apprendimento automatico e di apprendimento profondo

Recensioni dei lettori

Il libro ha ricevuto recensioni costantemente negative da parte degli utenti, soprattutto a causa della scarsa qualità della scrittura, della mancanza di contenuti originali e di materiali di bassa qualità. Molti lettori lo hanno trovato di difficile comprensione e ne hanno criticato l'affidamento a fonti online senza adeguate spiegazioni o teorie. Nel complesso, si ritiene che non valga l'investimento.

Alcuni utenti hanno notato che il libro fornisce passaggi chiari per l'implementazione di algoritmi di deep learning con MATLAB.

Il libro è caratterizzato da un inglese scorretto e da una grammatica scadente, che lo rendono difficile da capire. Molti recensori lo hanno trovato poco originale, pieno di contenuti copiati da fonti online, e hanno criticato la bassa qualità di stampa e la presenza di numerosi errori nel codice MATLAB e nelle figure.

(basato su 7 recensioni dei lettori)

Titolo originale:

A Practical Approach for Machine Learning and Deep Learning Algorithms

Contenuto del libro:

Impegnarsi con l'apprendimento automatico

Caratteristiche principali Apprendimento automatico in MATLAB con concetti e algoritmi di base. Algoritmi di apprendimento automatico in un linguaggio semplice utilizzando il codice MATLAB. Derivazione e accesso ai dati in MATLAB e successiva pre-elaborazione e preparazione dei dati. Flusso di lavoro dell'apprendimento automatico per il monitoraggio della salute. Il dominio delle reti neurali e l'implementazione in MATLAB con spiegazione esplicita del codice e dei risultati. Come si può migliorare il modello predittivo utilizzando MATLAB? Codice MATLAB per l'implementazione di un algoritmo, piuttosto che per una formula matematica. Flusso di lavoro dell'apprendimento automatico per il monitoraggio della salute.

Descrizione

L'apprendimento automatico è ricercato soprattutto nel campo della ricerca e oggi è diventato parte integrante di molti progetti di ricerca, comprese le applicazioni commerciali e la ricerca accademica. Le applicazioni dell'apprendimento automatico vanno dalla ricerca di amici sui siti di social network alla diagnosi medica e persino all'elaborazione dei satelliti. In questo libro, abbiamo fatto uno sforzo sincero per rendere semplici i concetti di apprendimento automatico e fornire programmi di base in MATLAB fin dalla parte di installazione. Sebbene le applicazioni in tempo reale dell'apprendimento automatico siano infinite, i concetti e gli algoritmi di base sono discussi utilizzando il linguaggio MATLAB, in modo che non solo gli studenti ma anche i ricercatori possano trarne beneficio.

Cosa imparerete

I prerequisiti dell'apprendimento automatico Trovare modelli naturali nei dati Costruire metodi di classificazione Pre-elaborazione dei dati in Python Costruire modelli di regressione Creare reti neurali Apprendimento profondo

Per chi è questo libro

Il libro si rivolge fondamentalmente a studenti laureati e ricercatori che trovano gli algoritmi di apprendimento automatico difficili da implementare. Abbiamo trattato in dettaglio tutti gli algoritmi di base dell'apprendimento automatico con un approccio pratico. Soprattutto i principianti troveranno questo libro più efficace perché i capitoli sono suddivisi in modo tale da rendere la costruzione e l'implementazione degli algoritmi in MATLAB interessante e facile allo stesso tempo.

Indice dei contenuti

Introduzione al Machine Learning Trovare modelli naturali nei dati Costruire metodi di classificazione Pre-elaborazione dei dati in Python Costruire modelli di regressione Creare reti neurali Introduzione al Deep Learning

L'autore

Abhishek Kumar Pandey sta conseguendo il dottorato in informatica e ha conseguito un master in informatica e ingegneria. Ha lavorato come professore assistente di informatica presso l'Aryabhatt Engineering College and Research center, Ajmer e come visiting faculty presso la Government University MDS Ajmer.

Pramod Singh Rathore sta conseguendo il dottorato in Computer Science & Engineering e ha conseguito il M. Tech. Ha lavorato come professore assistente di informatica presso l'Aryabhatt Engineering College and Research centre, Ajmer e come visiting faculty presso la Government University MDS Ajmer.

Il dottor S. Balamurugan è il responsabile della ricerca e dello sviluppo di Quants IS & CS, India. In precedenza è stato direttore della ricerca e dello sviluppo presso Mindnotix Technologies, India. È autore/coautore di 33 libri e ha al suo attivo 200 pubblicazioni in varie riviste e conferenze internazionali.