Supervised and Unsupervised Learning for Data Science

Il libro "Supervised and Unsupervised Learning for Data Science" offre una panoramica completa sugli algoritmi di apprendimento moderni, comprese le metodologie semi-supervisionate, che coprono un'ampia gamma di soluzioni di clustering e classificazione per applicazioni di Big Data. Include casi studio e best practice, oltre a modelli teorici di apprendimento che fungono da preziosa referenza per professionisti e studenti. I otto capitoli del libro trattano temi centrali come la discretizzazione, l'estrazione e la selezione delle caratteristiche, la classificazione, il clustering, la modellazione degli argomenti, l'analisi dei grafi e le loro applicazioni. Quest'opera è particolarmente utile per i professionisti e i laureati che si confrontano con questioni di ricerca attuali e future, nonché per gli insegnanti che desiderano presentare approcci moderni all'apprendimento non supervisionato e semi-supervisionato in seminari a livello di laurea. I contenuti si basano su contributi selezionati e ampliati della quarta Conferenza Internazionale sul Soft Computing in Data Science.