Data Science e Machine Learning: Dai dati alla conoscenza

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 storytellingA 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