Attraverso una recente serie di scoperte, il deep learning ha potenziato l’intero campo dell’apprendimento automatico. Ora, anche i programmatori che non sanno quasi nulla di questa tecnologia possono utilizzare strumenti semplici ed efficienti per implementare programmi in grado di apprendere dai dati. Questo libro bestseller utilizza esempi concreti, teoria minima e framework Python pronti per la produzione (Scikit-Learn, Keras e TensorFlow) per aiutarti ad acquisire una comprensione intuitiva dei concetti e degli strumenti per costruire sistemi intelligenti.
Con questa terza edizione aggiornata, l'autore Aurélien Géron esplora una serie di tecniche, partendo dalla semplice regressione lineare fino alle reti neurali profonde. Numerosi esempi di codice ed esercizi presenti nel libro ti aiutano a mettere in pratica ciò che hai imparato. L'esperienza di programmazione è tutto ciò che serve per iniziare.
Utilizza Scikit-learn per tenere traccia di un progetto ML di esempio dall'inizio alla fine
Esplora diversi modelli, tra cui macchine a vettori di supporto, alberi decisionali, foreste casuali e metodi di ensemble
Sfrutta tecniche di apprendimento non supervisionato come la riduzione della dimensionalità, il clustering e il rilevamento delle anomalie
Immergiti nelle architetture delle reti neurali, comprese le reti convoluzionali, le reti ricorrenti, le reti generative avversarie, gli autocodificatori, i modelli di diffusione e i trasformatori
Utilizza TensorFlow e Keras per costruire e addestrare reti neurali per la visione artificiale, l'elaborazione del linguaggio naturale, i modelli generativi e l'apprendimento per rinforzo profondo
Circa l'autore:
Aurélien Géron è un consulente di Machine Learning. Ex dipendente di Google, ha guidato il team di classificazione video di YouTube dal 2013 al 2016. È stato anche fondatore e CTO di Wifirst dal 2002 al 2012, un importante ISP Wireless in Francia, e fondatore e CTO di Polyconseil nel 2001, una società di consulenza per le telecomunicazioni.