5 libri gratuiti per padroneggiare il Machine Learning
5 libri gratuiti per dominare il Machine Learning
Nel mondo ad alta tecnologia di oggi, l’apprendimento automatico è estremamente importante. Potresti aver seguito alcuni corsi online, ma spesso tralasciano i dettagli. Se vuoi approfondire e padroneggiare davvero l’apprendimento automatico, i libri sono la strada da seguire. So che può essere travolgente con così tante opzioni disponibili. Ma non preoccuparti, siamo qui per aiutarti.
Ho selezionato personalmente cinque libri che hanno fatto la differenza nel mio percorso di apprendimento automatico. Questi libri ti aiuteranno a capire meglio l’apprendimento automatico nel 2023.
Quindi, se sei pronto a portare le tue conoscenze al livello successivo ed esplorare le profondità di questo affascinante campo, continua a leggere.
- Ricercatori di Microsoft presentano Table-GPT Elevare i modelli di linguaggio per eccellere nella comprensione delle tabelle bidimensionali e nei compiti.
- AI comprensibile Svelando i modelli della scatola nera
- Aprire una strada nella generazione di visione e linguaggio intrecciati svelando il potere dei generativi Vokens con MiniGPT-5
1. Apprendimento automatico per principianti assoluti
Autore: Oliver Theobald
Link: Apprendimento automatico per principianti assoluti
Hai sentito parlare di apprendimento automatico e vuoi approfondire questo campo emozionante, ma non sai da dove cominciare. Allora questo è il libro giusto per te!
Questo libro è perfetto per coloro che sono nuovi in questo campo e non hanno alcuna esperienza di codifica precedente. È scritto in italiano semplice e non richiede alcuna esperienza di codifica precedente. Il libro fornisce un’introduzione di alto livello all’apprendimento automatico, esercizi di codice scaricabili gratuitamente e dimostrazioni video. Cosa potresti desiderare di più?
Argomenti trattati:
- Cos’è l’apprendimento automatico?
- Categorie di ML
- Lo strumento ML
- Pulizia dei dati
- Preparazione dei dati
- Analisi di regressione
- Clustering
- Errore e Varianza
- Reti neurali artificiali
- Alberi decisionali
- Modello di insieme
- Costruire un modello in Python
- Ottimizzazione del modello
2. Matematica per l’apprendimento automatico
Autore: Marc Peter Deisenroth
Link: Matematica per l’apprendimento automatico
Ora che conosci alcuni concetti di base, è il momento di costruire la tua base per argomenti complessi dell’apprendimento automatico. Cosa dovresti fare adesso? Matematica per l’apprendimento automatico è tutto ciò di cui hai bisogno!
È un libro autonomo che introduce gli strumenti matematici fondamentali necessari per comprendere l’apprendimento automatico. Il libro presenta concetti matematici con un minimo di prerequisiti e utilizza questi concetti per derivare quattro metodi centrali di apprendimento automatico: regressione lineare, analisi delle componenti principali, modelli di mistura gaussiana e macchine a vettori di supporto.
Il autore del libro, Marc Peter Deisenroth, è il preside DeepMind di Intelligenza Artificiale al University College di Londra e ha ricevuto diversi premi per la sua ricerca in apprendimento automatico.
Argomenti trattati:
- Algebra lineare
- Geometria analitica
- Decomposizioni delle matrici
- Calcolo vettoriale
- Probabilità e distribuzioni
- Ottimizzazione continua
- Quando i modelli incontrano i dati
- Regressione lineare
- Riduzione della dimensionalità con l’analisi delle componenti principali
- Stima della densità con i modelli di mistura gaussiana
- Classificazione con le macchine a vettori di supporto
3. Apprendimento automatico per gli hacker
Autores: Drew Conway e John Myles White
Link: Apprendimento automatico per gli hacker
Sei stato fino adesso alla teoria dell’apprendimento e vuoi davvero iniziare con la codifica hardcore del machine learning. Allora non preoccuparti. Se sei una persona con una predisposizione per la programmazione e la codifica, questo libro è fatto apposta per te.
Il libro include studi di caso pratici per dimostrare la rilevanza del mondo reale degli algoritmi di machine learning. Questi esempi, inclusa la costruzione di un sistema di raccomandazione per i follower di Twitter, servono per connettere concetti astratti con applicazioni tangibili. Questo libro è ideale per i programmatori che apprezzano gli studi di caso pratici.
Argomenti trattati:
- Esplorazione dei dati
- Classificazione: filtraggio dello spam
- Ranking: Priority Inbox
- Regressione: previsione delle visualizzazioni delle pagine
- Regolarizzazione: regressione del testo
- Ottimizzazione: violazione dei codici
- PCA: costruzione di un indice di mercato
- MDS: esplorazione visiva della similarità dei senatori degli Stati Uniti
- kNN: sistemi di raccomandazione
- Analisi dei grafici sociali
- Confronto tra modelli
4. Hands-On Machine Learning con Scikit-Learn, Keras e TensorFlow
Autore: Geron Aurelien
Collegamento: Hands-On Machine Learning con Scikit-Learn, Keras e TensorFlow
Questo libro è una guida pratica al machine learning che si concentra sulla costruzione di sistemi end-to-end. Il libro copre una vasta gamma di argomenti, tra cui la regressione lineare, alberi decisionali, metodi di ensemble, reti neurali, deep learning e altro ancora.
L’ultima edizione di questo libro contiene codice da versioni all’avanguardia di librerie di machine learning e deep learning come TensorFlow e Scikit-Learn.
Argomenti trattati:
- Selezione di misure delle prestazioni
- Creazione di insiemi di test
- Regressione lineare con Gradient Descent
- Regressione Ridge, Lasso ed Elastic Net
- SVM per la classificazione
- Alberi decisionali e impurità di Gini
- Metodi di apprendimento di insieme
- Analisi delle componenti principali (PCA)
- Clustering con K-Means e DBSCAN
- Reti neurali artificiali con Keras
- Addestramento di reti neurali profonde
- Modelli personalizzati con TensorFlow
- Caricamento e preelaborazione dei dati con TensorFlow
- CNN, RNN e GAN nel deep learning
5. Avvicinarsi (quasi) a qualsiasi problema di Machine Learning
Autore: Abhishek Thakur
Collegamento: Avvicinarsi (quasi) a qualsiasi problema di Machine Learning
Pronto a portare le tue competenze di Machine Learning al livello successivo? Questo libro è il tuo biglietto per l’entusiasmante mondo del machine learning applicato. Nonostante non ti intasi con algoritmi complessi, si tratta di “come” e “cosa” risolvere problemi del mondo reale utilizzando il machine learning e il deep learning. Se sei desideroso di colmare il divario tra teoria e pratica, questo libro sarà sicuramente la tua guida!
Argomenti trattati:
- Apprendimento supervisionato vs non supervisionato
- Tecniche di convalida incrociata
- Metriche di valutazione
- Strutturazione dei progetti di machine learning
- Gestione di variabili categoriche
- Ingegneria delle caratteristiche
- Selezione delle caratteristiche
- Ottimizzazione degli iperparametri
- Classificazione di immagini e testo, ensemble e codice riproducibile
Conclusioni
In questo articolo, ti abbiamo presentato i cinque migliori libri per imparare il machine learning nel 2023. Questi libri coprono una vasta gamma di argomenti, dalle basi del machine learning a argomenti più avanzati come il deep learning. Sono tutti ben scritti e facili da seguire, anche per i principianti.
Se sei seriamente interessato a imparare il machine learning, ti incoraggio a leggere tutti e cinque questi libri. Tuttavia, se hai la possibilità di leggere solo uno o due, ti consiglio Machine Learning for Absolute Beginners di Oliver Theobald e Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow di Aurélien Géron.
Siamo curiosi di sapere quali libri hanno svolto un ruolo fondamentale nel tuo percorso di apprendimento del machine learning. Sentiti libero di condividere le tue raccomandazioni nella sezione dei commenti.
[Kanwal Mehreen](https://www.linkedin.com/in/kanwal-mehreen1/) è un aspirante sviluppatore software con un forte interesse per la scienza dei dati e le applicazioni dell’IA in medicina. Kanwal è stata selezionata come Borsista Generazione Google 2022 per la regione APAC. Kanwal ama condividere le sue conoscenze tecniche scrivendo articoli su argomenti di tendenza ed è appassionata di migliorare la rappresentazione delle donne nel settore tecnologico.
