Libri di Sebastian Raschka
Bibliografia di Sebastian Raschka: tutti i libri in vendita online
Su Unilibro trovi i libri di Sebastian Raschka in vendita online: scopri la bibliografia dell'autore, le ultime uscite e le offerte disponibili.
Consulta la cronologia dei libri di Sebastian Raschka, scegli il titolo che ti interessa, aggiungilo al carrello e completa l'acquisto in pochi clic.
Sviluppare Large Language Model. Costruire da zero LLM su misura Raschka Sebastian - Apogeo, 2025 - Guida Completa
La creazione di modelli linguistici di grandi dimensioni (Large Language Model - LLM) rappresenta una delle sfide più avanzate e affascinanti nell'ambito dell'intelligenza artificiale. Questo manuale spiega in maniera pratica come affrontare la sfida partendo da zero. Il testo affronta ogni fase del processo: dalla pianificazione e codifica delle componenti del modello alla preparazione dei dataset per l'addestramento. Vengono esplorati metodi di pre-training su un corpus generale e di fine-tuning per compiti specifici, come la classificazione di testi. Un approfondimento è poi dedicato all'integrazione di pesi pre-addestrati e all'utilizzo del feedback umano per ottimizzare l'output del modello. Una guida completa e ricca di esempi, per comprendere e implementare i meccanismi alla base dei modelli di intelligenza artificiale generativa più utilizzati e capire come sfruttarne al meglio le potenzialità.
Machine learning con Python. Costruire algoritmi per generare conoscenza Raschka Sebastian - Apogeo, 2016 - Guida Completa
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