00PrPag.

qxp_Layout 1 03/12/21 17:57 Pagina V

Indice

Autori IX

Prefazione XI

Guida alla lettura XVII

PARTE I – IL LINGUAGGIO PYTHON

Capitolo 1 Primi programmi 1
1.1 Codice 1
1.2 Input e output 4
1.3 Costanti 6
1.4 if 7
1.5 Operatori 10
1.6 for 13
1.7 while 15
1.8 Interruzioni 17
1.9 Virgola mobile 18
Verifica le conoscenze 21
Applica le abilità 21

Capitolo 2 Collection 25
2.1 Stringhe 25
2.2 Tuple 33
2.3 Liste 35
2.4 Matrici 38
2.5 Slicing e approfondimenti sulle liste 41
2.6 Insiemi 51
2.7 Dizionari 53
2.8 Iterabili 56
Verifica le conoscenze 58
Applica le abilità 59
00PrPag.qxp_Layout 1 03/12/21 17:57 Pagina VI

VI / Indice

Capitolo 3 Funzioni 61
3.1 Definizione e chiamata di una funzione 61
3.2 Valori di ritorno, argomenti, visibilità 63
3.3 Gestione di una sequenza 69
3.4 Effetti speciali 79
3.5 Funzioni built-in 83
Verifica le conoscenze 99
Applica le abilità 99

Capitolo 4 Oggetti 101

4.1 Classi e oggetti 101
4.2 Ereditarietà 104
4.3 Pratica di OOP 109
4.4 Override 113
4.5 Ereditarietà multipla 114
4.6 Metodi 119
4.7 Classi astratte 127
4.8 Creazione, inizializzazione, distruzione 128
Verifica le conoscenze 131
Applica le abilità 131

Capitolo 5 NumPy 133

5.1 Introduzione 134
5.2 Oggetti ndarray 137
5.3 Slicing e indicizzazione 144
5.4 Copie 148
5.5 Tipi ndtype 151
5.6 Funzioni universali 153
5.7 Broadcasting 157
5.8 Operazioni sugli array 159
5.9 Performance e vettorializzazione 168
5.10 Numeri casuali 171
5.11 Einstein e i tensori 172
Verifica le conoscenze 185
Applica le abilità 186

Capitolo 6 Pandas 189

6.1 Introduzione 190
6.2 Series 190
6.3 DataFrame 195
6.4 Index 203
6.5 Ordinamenti 206
6.6 Calcoli e grafici 209
6.7 Caricare e salvare file CSV 212
Verifica le conoscenze 214
Applica le abilità 214
00PrPag.qxp_Layout 1 03/12/21 17:57 Pagina VII

Indice / VII

PARTE II – MACHINE LEARNING

Capitolo 7 Introduzione al machine learning 217
7.1 Introduzione 217
7.2 Tipiche funzioni calcolate con il ML 218
7.3 Tipi di machine learning 220
7.4 Feature 224
7.5 Le reti neurali 227
7.6 Perceptron 227
7.7 Learning 230
7.8 Architetture di deep learning 231
Verifica le conoscenze 232
Applica le abilità 232

Capitolo 8 Reti neurali 233

8.1 Introduzione 233
8.2 Breve storia 235
8.3 L’Essenza del machine learning 236
8.4 Perceptron 237
8.5 Funzioni di attivazione 240
8.6 Multiple layer perceptron 241
8.7 Rete neurale semplice 243
8.8 Meccanismo generale di una rete neurale 246
8.9 Forward propagation 247
8.10 Training 248
8.11 Back-propagation 251
8.12 Training, validation e test set 257
8.13 Rete neurale semplice in TensorFlow 260
8.14 Conclusione 262
Verifica le conoscenze 263
Applica le abilità 263

Capitolo 9 Reti neurali convoluzionali 265

9.1 Breve storia 266
9.2 Architettura di una ConvNet 266
9.3 Esempi di ConvNet 277
9.4 Vanilla neural network e ConvNet 280
9.5 Conclusioni 281
Verifica le conoscenze 282
Applica le abilità 283

Capitolo 10 Reti neurali ricorrenti 285

10.1 Introduzione 285
10.2 Fondamenti di una RNN 287
10.3 Long Short-Term Memory 291
00PrPag.qxp_Layout 1 03/12/21 17:57 Pagina VIII

VIII / Indice

10.4 Gated Recurrent Unit 296

10.5 Esempio 296
10.6 Conclusioni 299
Verifica le conoscenze 300
Applica le abilità 300

Capitolo 11 Reti neurali generative 301

11.1 Introduzione 301
11.2 AutoEncoder 303
11.3 Variational AutoEncoder 306
11.4 Generative Adversarial Network 311
11.5 Conclusioni 314
Verifica le conoscenze 314
Applica le abilità 315

Appendice A Introduzione a TensorFlow

[Link]
Appendice B Transformer
[Link]
Appendice C Reinforcement Learning
[Link]
Bibliografia 319

Indice analitico 321