Machine learning con Python. Costruire algoritmi per generare conoscenza

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.

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.