M Libri

Machine learning con python. Costruire algoritmi per generare conoscenza Mirjalili Vahid  Raschka Sebastian   -  Apogeo, 2020  -  Guida Completa

Conoscenza e informazioni sono oggi valori fondamentali e per questo elaborare il magma di dati disponibili è una sfida affascinante e imprescindibile. Il machine learning è la risposta: grazie ai suoi algoritmi è infatti possibile creare macchine in grado di apprendere in modo automatico e rispondere alle domande chiave per il successo. Questa edizione accompagna nel mondo dell'apprendimento automatico e mostra come Python sia il linguaggio di programmazione ideale per costruire algoritmi sofisticati in grado di interrogare i dati e recuperare preziosi insight. Viene spiegato l'utilizzo di librerie dedicate - tra cui l'ultimo aggiornamento di 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 del machine learning oltre a una buona conoscenza di programmazione in Python.

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

DETTAGLI