Questo libro sull'apprendimento automatico si rivolge a studenti e ricercatori, trattando argomenti attuali e fornendo basi teoriche, strumenti concettuali e applicazioni pratiche. Introduce strumenti e concetti teorici innovativi, affrontando questioni complesse e aree di ricerca in corso. Il libro tratta le tecniche avanzate di apprendimento supervisionato, non supervisionato e con rinforzo, con esempi pratici per una maggiore chiarezza. Ogni capitolo si basa sulle conoscenze di base, a partire dai principi fondamentali nel Capitolo 1 e da una panoramica completa dei dati e delle statistiche nel Capitolo 2. I capitoli 3 e 4 esplorano gli algoritmi e le applicazioni dell'apprendimento supervisionato e non supervisionato. Il Capitolo 5 introduce l'apprendimento per rinforzo, il Capitolo 6 si concentra sulla valutazione e la selezione dei modelli e il Capitolo 7 esamina la regolazione degli iperparametri e le strategie di selezione dei modelli. Il capitolo 8 discute le tecniche avanzate di apprendimento supervisionato, come i metodi di ensemble e l'apprendimento auto-supervisionato. Il libro si propone di fornire ai lettori una comprensione approfondita dell'apprendimento automatico, presupponendo una conoscenza di base della statistica, della probabilità e dell'analisi degli algoritmi ed enfatizzando le prove e i fondamenti teorici.