Error loading page.
Try refreshing the page. If that doesn't work, there may be a network issue, and you can use our self test page to see what's preventing the page from loading.
Learn more about possible network issues or contact support for more help.
Title details for Data Science e Machine Learning by Michele di Nuzzo - Available

Data Science e Machine Learning

ebook

Estrarre conoscenza dalle informazioni attraverso l'analisi dei dati: quella del data scientist è stata definita la professione più attraente del XXI secolo. Analizzare le relazioni tra i dati, scoprire nuove informazioni e, con l'aiuto del machine learning, sfruttare l'enorme potenziale che vi si nasconde costruendo modelli previsionali.

In questo libro illustriamo le tecniche di analisi dei dati e di costruzione di algoritmi di Machine Learning e Deep Learning, passando dalle conoscenze teoriche alle applicazioni con il software statistico R, tramite ampi esempi pratici.

Cosa imparerai

  • Matematica e algebra per il machine learning
  • Utilizzo del software statistico R e R-Studio
  • Statistica descrittiva e inferenziale per la data science
  • Calcolo delle probabilità
  • La preparazione dei dati e la feature engineering
  • Progettare e validare gli algoritmi di machine learning
  • Algoritmi di regressione, classificazione e clustering
  • Fare previsioni basate su serie temporali
  • I modelli di reti neurali e deep learning
  • Raccontare i dati: data visualization & data storytelling
  • A chi è rivolto questo libro

    Questo libro è rivolto a chiunque voglia imparare a manipolare ed analizzare i dati traendo da questi nuova conoscenza. Se sei un manager IT o un analista che vuole entrare nel mondo della Data Science e dei Big Data, se sei uno sviluppatore che vuole conoscere le nuove tendenze nel campo dell'Intelligenza Artificiale o sei semplicemente curioso di conoscere questo mondo, allora questo libro è per te.

    Contenuti

  • La data science e i modelli di analisi
  • La gestione dei big data
  • Analisi univariata e multivariata, probabilità e test d'ipotesi
  • Esplorare e visualizzare i dati
  • Preparazione e pulizia dei dati
  • Apprendimento supervisionato: classificazione e regressione
  • Apprendimento non supervisionato: clustering e riduzione dimensionale
  • Apprendimento semi supervisionato
  • Algoritmi di associazione e analisi delle serie temporali
  • Misure di validazione ed ottimizzazione degli algoritmi
  • Le reti neurali e il Deep Learning
  • Reti Convoluzionali per il riconoscimento di immagini
  • Reti Ricorrenti e LSMT per le sequenze
  • Encoders per la feature selection
  • Algoritmi generativi
    • Creators

    • Publisher

    • Release date

    • Formats

    • Accessibility

    • Languages

    Formats

    • Kindle Book
    • OverDrive Read
    • EPUB ebook

    Languages

    • Italian