Rete Bibliotecaria della Provincia di Como

Abstract: Nell'era dei big data gli algoritmi di apprendimento automatico sono essenziali per elaborare l'enorme mole di informazioni prodotta costantemente. Muovere i primi passi in questa disciplina, però, può non essere né semplice né immediato. Questo manuale guida il lettore nell'applicazione del machine learning utilizzando R, un ambiente di programmazione statistica multipiattaforma che offre un potente set di metodi di analisi. Il testo parte dall'introduzione alla terminologia e ai fondamenti del machine learning per poi mostrare le tecniche per esplorare e preparare i dati all'analisi vera e propria applicando algoritmi che consentono di fare previsioni, individuare modelli e creare cluster. Nella parte conclusiva viene illustrato come valutare e migliorare le performance dei metodi impiegati, esplorando infine alcune possibilità avanzate di utilizzo di R con altre tecnologie per la gestione di big data. Combinando casi di studio pratici con la teoria essenziale, il libro fornisce tutte le conoscenze necessarie per iniziare a lavorare con i dati ed è adatto sia a chi già conosce R sia agli utenti alle prime armi.

Abstract: Negli ultimi anni il machine learning ha compiuto passi da gigante, con macchine che ormai raggiungono un livello di accuratezza quasi umana. Dietro questo sviluppo c'è il deep learning: una combinazione di progressi ingegneristici, teoria e best practice che rende possibile applicazioni prima impensabili. Questo manuale accompagna il lettore nel mondo del deep learning attraverso spiegazioni passo passo ed esempi concreti incentrati sul framework Keras. Si parte dai fondamenti delle reti neurali e del machine learning per poi affrontare le applicazioni del deep learning nel campo della visione computerizzata e dell'elaborazione del linguaggio naturale: dalla classificazione delle immagini alla previsione di serie temporali, dall'analisi del sentiment alla generazione di immagini e testi. Con tanti esempi di codice corredati di commenti dettagliati e consigli pratici, questo libro è rivolto a chi ha già esperienza di programmazione con Python e desidera entrare nel mondo degli algoritmi di apprendimento profondo.

Abstract: Elaborare il magma di dati oggi disponibili 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.

Abstract: Elaborare il magma di dati oggi disponibili 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.