Capitolo 8. Conclusione
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Ora sai come applicare gli importanti algoritmi di machine learning per l'apprendimento supervisionato e non supervisionato, che ti permettono di risolvere un'ampia varietà di problemi di apprendimento automatico. Prima di lasciarti esplorare tutte le possibilità offerte dall'apprendimento automatico, vogliamo darti qualche consiglio finale, indicarti alcune risorse aggiuntive e darti suggerimenti su come migliorare ulteriormente le tue competenze in materia di apprendimento automatico e scienza dei dati.
8.1 Approccio a un problema di apprendimento automatico
Con tutti gli ottimi metodi che abbiamo introdotto in questo libro a portata di mano, potresti essere tentato di iniziare a risolvere i tuoi problemi legati ai dati semplicemente eseguendo il tuo algoritmo preferito. Tuttavia, di solito questo non è un buon modo per iniziare l'analisi. L'algoritmo di apprendimento automatico è di solito solo una piccola parte di un processo decisionale e di analisi dei dati più ampio. Per utilizzare in modo efficace l'apprendimento automatico, dobbiamo fare un passo indietro e considerare il problema nel suo complesso. Per prima cosa, devi pensare al tipo di domanda a cui vuoi rispondere. Vuoi fare un'analisi esplorativa e vedere se trovi qualcosa di interessante nei dati? Oppure hai già in mente un obiettivo particolare? Se ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access