Parte di una serie di testi, riepiloga prima di tutto la metodologia di lavoro standard CRISP DM utilizzata in questa opera e in progetti di Scienza dei Dati. Poichè questo testo utilizza Orange per gli aspetti applicativi, ne descrive l’installazione ed i widget.
La fase di modellizzazione dei dati viene considerata nell’ottica dell’apprendimento automatico riepilogando i tipi di apprendimento automatico.
Sono descritte le tecniche di Deep Learning considerando le architetture del Perceptron, Neocognitron, il neurone con Backpropagation e le funzioni di attivazione, le Feed Forward Networks, gli Autoencoders, le reti ricorrenti e le LSTM e GRU, le Transformer Neural Networks, le Convolutional Neural Networks e le Generative Adversarial Networks ed analizzati i blocchi costruttivi.
Gli esercizi sono descritti con Orange e Python con l’uso della libreria Keras/Tensorflow.
Il testo è corredato di materiale di supporto ed è possibile scaricare gli esempi in Orange e i dati di prova.
Laureato in Informatica, ha insegnato Informatica, Linguaggi Formali e Compilatori all'Università di Bari alla Facoltà di Informatica e Fondamenti di Informatica II al Politecnico di Bari nel corso di Laurea in Ingegneria Elettronica
Ha lavorato inoltre per oltre vent'anni in diverse aziende anche nel campo della Data Science