Introduzione all'Apprendimento Automatico con Python: Una Guida per Data Scientist (Edizione Indiana in Scala di Grigi)

Il machine learning è diventato una parte integrante di molte applicazioni commerciali e progetti di ricerca, ma questo campo non è esclusivo delle grandi aziende con ampi team di ricerca.

Se usi Python, anche da principiante, questo libro ti insegnerà modi pratici per costruire le tue soluzioni di machine learning.

Con tutti i dati disponibili oggi, le applicazioni di machine learning sono limitate solo dalla vostra immaginazione. Imparerete i passaggi necessari per creare un'applicazione di machine learning di successo con Python e la libreria scikitlearn.

Gli autori Andreas Mller e Sarah Guido si concentrano sugli aspetti pratici dell'utilizzo degli algoritmi di machine learning, piuttosto che sulla matematica che sta alla base.

La familiarità con le librerie NumPy e matplotlib ti aiuterà a ottenere ancora di più da questo libro. Con questo libro, imparerai:Concetti fondamentali e applicazioni del machine learning Vantaggi e svantaggi degli algoritmi di machine learning ampiamente utilizzati Come rappresentare i dati elaborati dal machine learning, inclusi gli aspetti dei dati su cui concentrarsi Metodi avanzati per la valutazione dei modelli e la regolazione dei parametri Il concetto di pipeline per concatenare modelli e incapsulare il flusso di lavoro Metodi per lavorare con dati testuali, incluse tecniche di elaborazione specifiche per il testo Suggerimenti per migliorare le tue competenze di machine learning e data science.