Libri UniversitariZoom 100%

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

Like
Comparatore prezzi
Feltrinelli
CercaNuovo

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

Prof. Gianluca Ferri
Pagina del docente: Gianluca Ferri
Scopri le domande d’esame:Apri scheda materia ›
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.

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Raschka – Machine Learning with PyTorch and Scikit-LearnISBN 9781801819312
Tempo di studio del libro≈ 8 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
741 pagine
Difficoltà
7,6
McKinney – Python for Data Analysis 3rd Ed.– O’ReillyISBN 9781098104030
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Obbligatorio
Adottato in
3 materie
Tipo
Manuale
Pagine
561 pagine
Difficoltà
8,2

Laboratorio di Ottimizzazione, Intelligenza Artificiale e Machine Learning - Ce

Prof. Gianluca Ferri
Pagina del docente: Gianluca Ferri
Scopri le domande d’esame:Apri scheda materia ›
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.

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Raschka – Machine Learning with PyTorch and Scikit-LearnISBN 9781801819312
Tempo di studio del libro≈ 8 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
741 pagine
Difficoltà
7,6
McKinney – Python for Data Analysis 3rd Ed.– O’ReillyISBN 9781098104030
Tempo di studio del libro≈ 6 settimane
Obbligatorietà
Obbligatorio
Adottato in
3 materie
Tipo
Manuale
Pagine
561 pagine
Difficoltà
8,2
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 dati
Come è calcolata la difficoltà ›
Crediti (CFU)50%1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura50%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.