Il libro inizia con una panoramica dei diversi tipi di algoritmi di apprendimento automatico, tra cui l'apprendimento supervisionato, l'apprendimento non supervisionato e l'apprendimento per rinforzo. Gli autori discutono poi le varie tecniche di elaborazione dei dati che sono essenziali per l'apprendimento automatico, come la pulizia dei dati, l'ingegnerizzazione delle caratteristiche e la selezione dei modelli.

Nei capitoli successivi, il libro copre un'ampia gamma di argomenti di apprendimento automatico, tra cui:Regressione: Una tecnica per la previsione di valori target continui. Classificazione: Una tecnica per la previsione di valori target categoriali.

Clustering: Una tecnica per raggruppare punti di dati simili. Riduzione della dimensionalità: Una tecnica per ridurre il numero di caratteristiche in un set di dati.

Valutazione del modello: Una tecnica per valutare le prestazioni di un modello di apprendimento automatico. Il libro include anche un capitolo sul deep learning, un sottocampo dell'apprendimento automatico che ha guadagnato popolarità negli ultimi anni.

. .