Machine learning con Python. Costruire algoritmi per generare conoscenza
Acquistalo
In Libreria
Sinossi
Elaborare il magma di dati oggi disponibile è una sfida affascinante e imprescindibile per il mondo contemporaneo dove la conoscenza e l'informazione sono il primo valore. Il machine learning è la risposta: grazie ai suoi algoritmi è possibile creare macchine in grado apprendere in maniera automatica e rispondere alle domande chiave per il successo. Questo libro accompagna nel mondo del machine learning e mostra come Python sia il linguaggio di programmazione ideale per costruire algoritmi sofisticati in grado di interrogare i dati nel modo migliore e recuperare preziosi insight. Viene spiegato l'utilizzo di librerie Python dedicate - tra cui scikit-learn, Theano e Keras - applicate in ambiti come la selezione e la compressione dei dati, l'analisi del linguaggio naturale, l'elaborazione di previsioni, il riconoscimento delle immagini. L'approccio didattico è pragmatico: tutti i concetti sono accompagnati da esempi pratici di codice. La lettura è consigliata a chi ha già alle spalle qualche studio teorico nel campo del machine learning oltre a una buona conoscenza di programmazione in Python. Argomenti trattati: Addestrare gli algoritmi a compiti di classificazione; Utilizzare i classificatori della libreria scikit-learn; Selezionare i dati con le tecniche di pre-elaborazione; Ridurre la dimensionalità dei dati con le tecniche compressione; Conoscere, valutare e combinare i modelli di machine learning; Creare analisi del sentiment elaborando dati testuali dai social media; Integrare modelli di machine learning in applicazioni web; Elaborare previsioni attraverso i modelli di analisi a regressione; Individuare nuovi cluster e pattern di dati; Addestrare reti neurali al riconoscimento delle immagini; Lavorare con Theano per ottimizzare gli algoritmi di machine learning.
- ISBN:
- Casa Editrice:
- Pagine: 372
- Data di uscita: 24-11-2016
Recensioni
This is a fantastic introductory book in machine learning with python. It provides enough background about the theory of each (covered) technique followed by its python code. One nice thing about the the book is that it starts implementing Neural Networks from the scratch, providing the reader the c Leggi tutto
** I think it is important to disclose your skill level when reviewing these types of textbooks. The complete beginner, as opposed to a statistics major with minimal programming experience will gain different essential skills from the textbook. I am an Economics major with fundamental knowledge in m Leggi tutto
Really good book, useful. Nice concise explanations, the maths is all included, and there's even example code! I downloaded a pdf version to my computer because I think I'll be referring to it pretty often.
This a fantastic introduction to machine learning. Textbooks in computer science in general, and machine learning in particular, have to walk a delicate line. At one level of high abstraction, everything is mathematical proofs. At a level of low-level cookbookls, it's a matter of just plugging and ch Leggi tutto
A good practical tour round your bread and butter ML techniques with scikit learn, not the most efficient library for the more complex methods such as gradient boosting or DL but good for SVM and regression techniques and the book offers solid explanations and examples .
Good info, but would I of read it if not for work? Probably not. I feel the author tried to hard to word things in a "cool" way some times which also put me off a bit. I liked the layout though of theory, then example etc and bolding when a definitions coming.
There is significant interest, across many diverse application domains, in developing applications that exploit the large and rich data sets that are acquired by computer systems in order to identify trends and correlations and to make predictions and recommendations. These kinds of applications bro Leggi tutto
Citazioni
Al momento non ci sono citazioni, inserisci tu la prima!
