5 libri gratuiti per padroneggiare la scienza dei dati
5 libri gratuiti per diventare esperti nella scienza dei dati
Quando ti approcci alla scienza dei dati, hai a disposizione una vasta gamma di risorse, come i corsi di Udemy, i video di YouTube e gli articoli. Tuttavia, devi darti una struttura chiara su ciò che dovresti studiare per evitare di sentirsi sopraffatti e perdere motivazione.
Questo articolo esplorerà cinque libri che copriranno i concetti di base che dovresti imparare durante il percorso della scienza dei dati. Ognuno di questi libri aiuta a imparare:
- Python
- Statistica
- Algebra lineare
- Apprendimento automatico
- Apprendimento profondo
- Come ottimizzare ChatGPT 3.5 Turbo
- Possono i modelli di linguaggio sostituire i programmatori? Ricercatori di Princeton e dell’Università di Chicago introducono SWE-bench un framework di valutazione che testa modelli di apprendimento automatico nella risoluzione di problemi reali tratti da
- NVIDIA AI svela SteerLM un nuovo metodo di intelligenza artificiale che consente agli utenti di personalizzare le risposte dei grandi modelli di lingua (LLM) durante l’inferenza
Un giro veloce di Python
Link al libro: Un giro veloce di Python
Se sei interessato a iniziare a imparare Python senza spendere troppo tempo, questo libro potrebbe essere adatto a te. Fornisce una panoramica molto breve dei concetti di base di Python. Insieme al libro di 100 pagine, c’è anche un repository GitHub con degli esercizi.
In particolare, puoi imparare rapidamente i tipi di dati principali di Python: numeri interi, numeri in virgola mobile, stringhe, booleani, liste, tuple, dizionari e set. Alla fine del libro, c’è una breve panoramica delle librerie Python, NumPy, Pandas, Matplotlib, Scipy.
Vengono trattati i seguenti argomenti:
- Sintassi di base
- Variabili
- Operatori
- Tipi di dati principali
- Cicli for
- Cicli while
- Funzioni
- If-elif-else
- Una panoramica rapida delle librerie Python
Think Stats: Probabilità e Statistica per Programmatori
Link al libro: Think Stats: Probabilità e Statistica
Può essere difficile acquisire una buona conoscenza della probabilità e della statistica senza mettere in pratica ciò che studi. La bellezza di questo libro è che si concentra su pochi concetti di base e non mostra solo la teoria, ma ci sono anche esercizi pratici scritti con Python.
Il libro tratta i seguenti argomenti:
- Statistica riassuntiva
- Distribuzione dei dati
- Distribuzioni di probabilità
- Teorema di Bayes
- Teorema del limite centrale
- Test di ipotesi
- Stima
Introduzione all’Algebra Lineare per l’Apprendimento Automatico Applicato con Python
Link al libro: Introduzione all’Algebra Lineare per l’Apprendimento Automatico Applicato
Quando studi l’Algebra Lineare all’università, la maggior parte delle volte i professori spiegano tutta la teoria senza alcuna applicazione pratica. Quindi, alla fine ti trovi a fare l’esame e dimentichi ogni concetto appena finito, perché nella tua testa è troppo astratto.
Fortunatamente, ho trovato questo libro incredibile che ti fornisce una buona introduzione ai concetti fondamentali dell’algebra lineare che incontrerai quando studierai modelli di apprendimento automatico. Ogni concetto teorico è seguito da un esempio pratico scritto con NumPy, una nota libreria Python per il calcolo scientifico.
Sono trattati i seguenti argomenti principali:
- Vettori
- Matrici
- Proiezioni
- Determinante
- Autovettori e Autovalori
- Scomposizione ai valori singolari
Introduzione all’Apprendimento Automatico con Python
Link al libro: Introduzione all’Apprendimento Automatico con Python
Dopo aver studiato Python, Statistica e Algebra Lineare, è finalmente il momento di imparare tutto sulle modelli di Apprendimento Automatico per risolvere problemi del mondo reale. Il libro è consigliato per chiunque si stia iniziando e utilizza scikit-learn per le applicazioni di apprendimento automatico.
Ecco i principali modelli di machine learning spiegati:
- Regressione Lineare
- Naïve Bayes
- Alberi di Decisione
- Insiemi di Alberi di Decisione
- Support Vector Machines
- Analisi delle Componenti Principali
- t-SNE
- Clustering K-Means
- DBSCAN
Deep Learning con Python
Link del libro: Deep Learning con Python
Questo quinto e ultimo libro è stato concepito per le persone che hanno già conoscenze di programmazione Python e non è richiesta alcuna esperienza precedente di machine learning. L’autore di questo libro è Francois Chollet, un ingegnere software e ricercatore di intelligenza artificiale presso Google, famoso per aver creato Keras, una libreria di deep learning rilasciata nel 2015. Queste sono le nozioni più importanti:
- Reti Neurali
- Reti Neurali Convolutional
- Reti Neurali Ricorrenti
- LSTM
- Generative Adversarial Networks
Considerazioni finali
Questi suggerimenti sono tutti ottimi per i principianti che vogliono entrare nel campo della scienza dei dati. Inoltre, possono essere utili per scienziati dei dati e ricercatori che sono consapevoli di avere delle lacune di conoscenza su alcuni concetti e che hanno bisogno di approfondire la loro comprensione. Spero che tu abbia apprezzato questa lista di libri. Conosci altri libri utili sulla scienza dei dati? Lasciali nei commenti se hai suggerimenti interessanti.
[Eugenia Anello](https://www.linkedin.com/in/eugenia-anello/) attualmente è una ricercatrice presso il Dipartimento di Ingegneria dell’Informazione dell’Università di Padova, Italia. Il suo progetto di ricerca è focalizzato sull’apprendimento continuo combinato con il rilevamento delle anomalie.