SCIENZA DEI DATI ATTRAVERSO PYTHON: TECNICHE DI APPRENDIMENTO NON SUPERVISIONATO

La scienza dei dati è un campo interdisciplinare che utilizza metodi, algoritmi, processi e sistemi per estrarre conoscenze 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. Si basa sui 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. La scienza dei dati utilizza due tipi di tecniche: apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e apprendimento non supervisionato, che trova modelli nascosti o strutture intrinseche nei dati di input. La maggior parte di queste tecniche di apprendimento non supervisionato sono sviluppate in questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni tramite software Python. Vengono trattate le seguenti tecniche: riduzione delle dimensioni, analisi delle componenti principali, analisi fattoriale, 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).