Bravo!
Questi sono quelli piu' "interessanti" che dovresti, prima o poi ALMENO leggere
- Algorithms for Reinforcement Learning: il "reinforcement learning" e' un'altro paradigma che si aggiunge ai "supervised learning", "unsupervised learning", "semisupervised learning"
- Natural Language Processing with Python: NLP per gli "smanettoni" Estrarre le informazioni dal test NON E' semplice.
- Data Mining: Practical Machine Learning Tools and Techniques: questo libro usa "Weka", un tool in Java, 'abbastanza' semplice. In questo ambito il termine "abbastanza" e' SEMPRE RELATIVO!
Poi c'e' anche robbbba "PIU' TOSTA", per super/mega espertoni.
Al momento, visto che con Python si puo' fare praticamente tutto, si possono saltare TUTTI i testi che hanno il carattere R nel titolo.
"R" e' un linguaggio di programmazione basato sul LISP (S-espressioni, in terminologia R), ma con una sintassi un po' piu' umana, con un SACCO di librerie statistiche.
E' il linguaggio di eccellenza dei statistici, ma e' arzigogolato, non tipato, INUTILMENTE COMPLICATO.
La principale innovazione di R e' il "data frame", un oggetto che puo' essere visto come una tabella di database, in cui NON SONO SOLO le colonne ad avere dei nomi, MA ANCHE LE RIGHE.
L'equivalente in Python lo si trova nella libreria "pandas"