Libri Universitari › Raschka – Machine Learning with PyTorch and Scikit-Learn
Raschka – Machine Learning with PyTorch and Scikit-Learn
Packt · 2022 · ISBN 9781801819312
7.6 / 10
Difficoltà alto
1 facoltà
lo adottano, in 1 ateneo1 docente · 1 corso di laurea
Scheda libro
Titolo
Machine learning with PyTorch and Scikit-Learn
Autori
Raschka, Sebastian Sebastian Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili
Editore
Packt, 2022
Edizione
2022
ISBN
9781801819312
Lingua
Inglese
Pagine
741
Tipo
Manuale universitario
Studio
≈ 8 settimane
Cosa si studia con questo libro Raschka – Machine Learning with PyTorch and Scikit-Learn: di cosa parla
Machine Learning with PyTorch and Scikit-Learn riguarda lo sviluppo di modelli di apprendimento automatico e di deep learning con il linguaggio Python, usando due librerie molto diffuse. Il taglio è pratico: si impostano i dati, si addestrano modelli, si valutano i risultati e si discutono i limiti di ciascun approccio. Fa al caso di chi studia programmazione e machine learning applicati ai dati biologici, dove occorre passare dalle idee statistiche al codice funzionante. Lo apprezzano anche i neofiti dell'analisi dati che desiderano una sequenza ordinata dai modelli classici alle reti neurali, con esempi su cui esercitarsi.
Dove acquistarlo Raschka – Machine Learning with PyTorch and Scikit-Learn: prezzo nuovo e usato su Amazon, IBS e Libraccio
Chi lo adotta Raschka – Machine Learning with PyTorch and Scikit-Learn: esami, corsi di laurea e docenti che lo indicano
Bologna 1 facoltà · 2 esami
Raschka – Machine Learning with PyTorch and Scikit-Learn a Bologna: Laboratorio di Ottimizzazione, Intelligenza Artificiale e Machine Learning - Im, Laboratorio di Ottimizzazione, Intelligenza Artificiale e Machine Learning - Ce, prof. Ferri
Facoltà: Ingegneria e architettura
Laboratorio di Ottimizzazione, Intelligenza Artificiale e Machine Learning - Im
Di cosa si tratta: Statistica di base, probabilità e distribuzioni fanno da fondamento, insieme ai test statistici e ai tipi di analisi descrittiva, predittiva e prescrittiva. Seguono la pulizia e il preprocessing dei dati, poi l'apprendimento supervisionato con classificazione, regressione e clustering, e le reti neurali artificiali implementate con NumPy. Il bias-variance e le metriche di valutazione completano la parte sui modelli.
Di cosa si tratta: Pulizia e qualità del dato, insieme alle trasformazioni e alle relazioni tra dati, aprono il corso dopo la statistica di base e la probabilità. Si passa poi all'apprendimento supervisionato, con i parametri e gli iperparametri, la suddivisione del dataset e le metriche, e alle reti neurali artificiali con NumPy.
Prezzi rilevati il 19/11/2026: possono cambiare, fa fede il sito del negozio.
Scorri di lato: 2 esami →
Domande frequenti su Raschka – Machine Learning with PyTorch and Scikit-Learn
Per quale esame serve Raschka – Machine Learning with PyTorch and Scikit-Learn?
È indicato per Laboratorio di Ottimizzazione, Intelligenza Artificiale e Machine Learning - Im, Laboratorio di Ottimizzazione, Intelligenza Artificiale e Machine Learning - Ce a Bologna, dal prof. Gianluca Ferri. A.a. 2026/2027.
Quali libri indica il prof. Gianluca Ferri per Laboratorio di Ottimizzazione, Intelligenza Artificiale e Machine Learning - Im?
Per Laboratorio di Ottimizzazione, Intelligenza Artificiale e Machine Learning - Im (Bologna) il prof. Gianluca Ferri indica Raschka – Machine Learning with PyTorch and Scikit-Learn; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.
Qual è il prezzo migliore di Raschka – Machine Learning with PyTorch and Scikit-Learn?
Il comparatore prezzi di questa pagina mette a confronto Amazon, IBS e Libraccio, nuovo e usato: su Amazon il prezzo aggiornato è nella scheda del negozio.
Quanto tempo serve per studiare Raschka – Machine Learning with PyTorch and Scikit-Learn?
≈ 8 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.
Qual è l'ISBN di Raschka – Machine Learning with PyTorch and Scikit-Learn?
L'ISBN è 9781801819312 (editore Packt).
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Come leggere questi datiCome è calcolata la difficoltà ›
Crediti (CFU)
50%
1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura
50%
pagine dei libri indicati divisi per i CFU (pagine dalla scheda SBN; se non note, una stima di 400 pagine a libro).
Ogni esame si confronta solo con quelli della sua area (scientifico-tecnica, umanistica, giuridico-sociale, sanitaria, economica): un esame di lettere non viene misurato con matematica. Il numero 1-10 è la posizione dell'esame nella sua area; per il libro si fa la media degli esami che lo adottano. Non contano anno di corso, laurea triennale o magistrale e lunghezza del programma: non dicono quanto si studia. È una stima del carico, non una difficoltà misurata.
Atenei e facoltà in ordine di diffusione. Per ogni esame: docente, corso di laurea, facoltà e il confronto con gli altri libri che indica.
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy