Il machine learning è un campo interdisciplinare che utilizza metodi, algoritmi, processi e sistemi per estrarre conoscenza e conclusioni da dati strutturati e non strutturati. Combina elementi di statistica, informatica, matematica e tecniche analitiche per risolvere problemi, fare previsioni e generare valore dai dati. Sfrutta i big data per scoprire modelli, tendenze e relazioni che possono essere utilizzati per il processo decisionale in vari settori. È un importante supporto per l'intelligenza artificiale. Il machine learning utilizza due tipi di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e l'apprendimento non supervisionato, che individua modelli nascosti o strutture intrinseche nei dati di input. La maggior parte di queste tecniche di apprendimento non supervisionato per la classificazione viene sviluppata in questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni tramite il software R. Vengono trattate le seguenti tecniche: analisi delle corrispondenze semplici, analisi delle corrispondenze multiple, analisi dei cluster, scaling multidimensionale, reti neurali (SOM Kohonen, ecc.), riconoscimento di pattern, rilevamento di anomalie, autoencoder, elaborazione delle immagini e reti neurali convoluzionali (reti CNN).
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.