Questo libro mi ha permesso di approfondire il test-driven development (abbreviato in TDD) e di verificarne l’utilità in ambito Machine Learning. Il TDD, in italiano traducibile come sviluppo guidato dai test o sviluppo guidato dalle verifiche è un modello di sviluppo del software che prevede che la stesura dei test automatici avvenga prima di quella del software che deve essere sottoposto a test, e che lo sviluppo del software applicativo sia orientato esclusivamente all’obiettivo di passare i test automatici precedentemente predisposti.
Il libro è organizzato in modo ordinato e affronta prima il TDD e poi i principali algoritmi di ML:
- K-Nearest Neighbors Classification
- Naive Bayesian Classification
- Hidden Markov Models
- Support Vector Machines
- Neural Networks
- Clustering
- Kernel Ridge Regression
Passa poi ad approfondire come migliorare i Modelli e le tecniche di Data Extraction e mettere insieme i vari concetti con un’utile tabella che mostra i migliori contesti in cui usare i diversi algoritmi.
Fortunatamente nel materiale scaricabile, connesso al libro, ci sono anche esempi di codice in Python.
