Machine Learning Kochbuch

I programmatori Python troveranno in questo libro di ricette quasi 200 preziose e ciascuna autonoma istruzioni per affrontare compiti tipici nel campo del Machine Learning, dalla pre-elaborazione dei dati fino al Deep Learning.

Gli sviluppatori che conoscono Python e le sue librerie, tra cui Pandas e Scikit-Learn, affronteranno con successo problemi specifici, come il caricamento dei dati, la gestione di dati testuali e numerici, la selezione dei modelli, la riduzione della dimensionalità e molto altro.

Ogni ricetta contiene codice che puoi copiare, incollare in un piccolo set di dati di esempio per testarlo e poi modificare per costruire le tue applicazioni. Inoltre, tutte le soluzioni vengono discusse e vengono stabiliti importanti collegamenti. Questo libro di ricette ti aiuta a fare il passo dalla teoria e dai concetti alla pratica. Fornisce gli strumenti pratici necessari per sviluppare applicazioni di Machine Learning funzionanti.

In questo libro di ricette troverai ricette per:

• Vettori, matrici e array
• La gestione di dati numerici e categoriali, testi, immagini e date e orari
• La riduzione della dimensionalità tramite estrazione o selezione delle caratteristiche
• Valutazione e selezione dei modelli
• Regressione lineare e logistica, alberi e foreste e k-nearest neighbors
• Support Vector Machine (SVM), naive Bayes, clustering e reti neurali
• Salvataggio e caricamento di modelli addestrati

Chris ha sfruttato il carattere di libro di ricette per offrire non solo un riferimento per professionisti esperti, ma anche una serie di piccoli tutorial facilmente accessibili che i principianti apprezzeranno. Questo libro è una risorsa preziosa, sia che tu voglia rinfrescare le tue conoscenze prima di un colloquio come Data Scientist, sia che tu stia cercando un riferimento conciso eppure approfondito per la tua scrivania.