3 libri per imparare il machine learning

I dietro le quinte della AI

1. Machine Learning con Python
2. Big Data Analytics
3. Algoritmi spiegati in modo facile

Pensi che l’intelligenza artificiale ti darà un vantaggio competitivo? Al massimo serve a stare a galla. L’AI sta arrivando su tutte le app, diventa sempre più immediata da lanciare e da usare, la supposta figura professionale del prompt engineer dovrà presto riqualificarsi, appena abbastanza gente scopre che chiedere all’AI di sistemare un prompt funziona.

Invece, saper allestire un modello per l’addestramento della AI fa la differenza in tempi, costi e risultati. Pochissimi hanno idea delle tecniche di machine learning usate sui modelli attuali. È qualcosa che continuerà a essere utile anche quando arriverà la prossima intelligenza artificiale e i prompt resteranno una curiosità del passato.

Questi tre libri possono aprirti la strada a diventare un data scientist: per te, per la tua azienda, per le tue passioni.

1. Machine Learning con Python

Codice e tutorial passo-passo per entrare con Python nel cuore dei sistemi di machine learning.

La facciata dell’intelligenza artificiale è quella con il prompt. Dietro c’è una architettura che richiede tempo e conoscenza per essere lavorata al meglio.

Se il modello che sta dietro l’AI è curato e organizzato bene, le stesse risposte dell’AI saranno migliori. Un modello usato per addestrare l’AI non ha segreti particolari; bisogna imparare come fare e, con l’aiuto di un buon linguaggio di programmazione, interagire con il sistema.

Machine Learning con Python insegna a farlo, con il linguaggio Python (uno dei più facili) e la spiegazione di tutte le tecnologie che troveremo sul nostro cammino, nonché un sacco di esempi da copiare.

Torna all’inizio.

2. Big Data Analytics

Conoscere i dati che stanno dentro i modelli di machine learning e trattarli con una interfaccia grafica semplice, professionale, gratuita.

Si può diventare esperti di machine learning lavorandoci; non c’è bisogno di essere data scientist già da prima.

Per chi comincia, è possibile farsi presentare i dati dal computer in modo semplice e comprensibile, grazie a una app di livello professionale di nome KNIME che, a dispetto delle sue capacità, è gratuita e compatibile con qualsiasi sistema.

Pagina dopo pagina, Big Data Analytics illustra i concetti alla base della teoria del machine learning e come applicarli concretamente sui nostri dati senza perderci in tecnicalità, grazie alla funzione facilitatrice di KNIME.

Torna all’inizio.

3. Algoritmi spiegati in modo facile

Capire la logica di una procedura spiegata al computer ci aiuta a ottenere risultati superiori e risparmiare risorse.

Capire le diversità culturali di qualcun altro ci aiuta nella conversazione e nel confronto e la stessa cosa vale per i computer, creature i cui processori hanno un modo di procedere nel loro “ragionamento” che è diverso dal nostro

I computer lavorano secondo schemi di azioni che chiamiamo algoritmi e nello spirito equivalgono a ricette di cucina: parti da qui, aggiungi questo, mescola per alcuni minuti, aggiungi quello che serve nel mentre eccetera.

Algoritmi spiegati in modo facile toglie il mistero e l’inavvicinabilità agli algoritmi: non sono solo cose complicate da programmatori, bensì ricette da computer che – con un testo ricco di illustrazioni ed esempi – possiamo fare nostre più facilmente che mai e metterle a frutto nel momento in cui ci avviciniamo a strutture di machine learning: più i nostri modi di procedere sono fluidi ed eleganti, migliore è il risultato.

Torna all’inizio.

Immagine di apertura originale della redazione di Apogeonline..