Sebastian Raschka eBooks

Machine Learning con Python: costruire algoritmi per generare conoscenza. E-book. Formato EPUB Sebastian Raschka   -  Feltrinelli Editore, 2017  - 

Elaborare il magma di dati oggi disponibili 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.

Machine Learning con Python - Nuova edizione: Costruire algoritmi per generare conoscenza. E-book. Formato EPUB Sebastian Raschka   -  Feltrinelli Editore, 2021  - 

Oggi più che mai elaborare il magma di dati disponibili è una sfida affascinante e imprescindibile. Il machine learning, ovvero la capacità di creare macchine in grado di apprendere in modo automatico, permette di affrontarla. Questa nuova edizione del bestseller di Sebastian Raschka, profondamente aggiornata e ampliata, accompagna nel mondo del machine learning e mostra come Python sia il linguaggio di programmazione ideale per interrogare i dati e recuperare preziosi insight. Viene spiegato l'utilizzo di librerie dedicate - tra cui TensorFlow e scikit-learn - applicate in ambiti come la selezione e la compressione dei dati, l'analisi del linguaggio naturale, l'elaborazione di previsioni, il riconoscimento delle immagini, e viene dato spazio a due tecniche di machine learning all'avanguardia: il reinforcement learning e le reti generative avversarie (GAN). L'approccio è pragmatico: tutti i concetti sono accompagnati da esempi di codice e tutorial passo-passo. La lettura è consigliata a chi ha già alle spalle qualche studio teorico nel campo della scienza dei dati e ha maturato un'esperienza di base nella programmazione in Python.