| 1 | | [collana] |
| 3 | | [frontespizio] |
| 4 | | [copyright] |
| 5 | | Indice |
| 9 | | [titolo] |
| 9 | | Prologo |
| 23 | 1. | La rivoluzione del machine learning |
| 28 | | Entra in scena il learner |
| 33 | | Perché le aziende sposno il machine learning |
| 36 | | Il doping applicato al metodo scientifico |
| 40 | | Un miliardo di Bill Clinton |
| 42 | | «Una lanterna se arrivano da terra, due se arrivano da Internet» |
| 47 | 2. | L'Algoritmo Definitivo |
| 50 | | L'argomento delle neuroscienze |
| 52 | | L'argomento evolutivo |
| 53 | | L'argomento fisico |
| 56 | | L'argomento statistico |
| 57 | | L'argomento informatico |
| 59 | | Machine learning o ingegneria della conoscenza? |
| 64 | | Il cigno morde il robot |
| 66 | | L'Algoritmo Definitivo è una volpe o un riccio? |
| 67 | | La posta in gioco |
| 72 | | Una teoria del tutto, ma diversa dalle altre |
| 74 | | Candidati inadatti |
| 77 | | Le cinque tribù del machine learning |
| 83 | 3. | Hume e il problema dell'induzione |
| 85 | | La invito o non la invito? |
| 88 | | «Non esistono pasti gratis» |
| 91 | | Come addestrare la pompa della conoscenza |
| 94 | | Come dominare il mondo |
| 97 | | Tra cecità e allucinazione |
| 102 | | Un'accuratezza affidabile |
| 108 | | L'induzione è l'inverso della deduzione |
| 111 | | Imparare a curare il cancro |
| 113 | | Il gioco delle venti domande |
| 117 | | I simbolisti |
| 124 | 4. | Come impara un cervello |
| 124 | | L'ascesa e la caduta del percettrone |
| 130 | | Un fisico realizza un cervello di vetro |
| 133 | | La curva più importante del mondo |
| 137 | | Scalare le montagne dell'iperspazio |
| 141 | | La vendetta dei percettroni |
| 144 | | Un modello completo di cellula |
| 145 | | Nei meandri del cervello |
| 150 | 5. | L'algoritmo di apprendimento della natura: l'evoluzione |
| 157 | | Esplorazione o sfruttamento: il dilemma |
| 160 | | La sopravvivenza dei programmi più adatti |
| 164 | | A cosa serve il sesso? |
| 167 | | Educare la natura |
| 171 | | Vince chi impara per primo |
| 174 | 6. | Nella chiesa del reverendo Bayes |
| 175 | | Il teorema padrone del mondo |
| 180 | | Tutti i modelli sono sbagliati, ma alcuni sono utili |
| 184 | | Da Evgenij Onegin a Siri |
| 187 | | Ogni cosa è connessa, ma non direttamente |
| 193 | | Il problema dell'inferenza |
| 199 | | L'apprendimento bayesiano |
| 203 | | Markov soppesa i dati |
| 206 | | Logica e probabilità: la coppia impossibile |
| 210 | 7. | Siete ciò che vi assomiglia |
| 212 | | Trovane uno come me, se ci riesci |
| 220 | | La maledizione della dimensionalità |
| 224 | | Snakes on a plane |
| 232 | | Sempre più in alto |
| 236 | | L'alba di un nuovo giorno |
| 239 | 8. | Imparare senza maestri |
| 241 | | Chi si assomiglia, si piglia |
| 247 | | Scoprire la forma dei dati |
| 255 | | Il robot edonistico |
| 261 | | L'esercizio rende perfetti |
| 266 | | Imparare a correlare |
| 273 | 9. | I pezzi del puzzle trovano il loro posto |
| 275 | | Di tanti modelli, uno solo |
| 277 | | L'Algoritmo Definitivo |
| 285 | | Le reti logiche di Markov |
| 289 | | Da Hume al robodomestico |
| 295 | | Machine Learning su scala planetaria |
| 299 | | Il dottore la vedrà adesso |
| 302 | 10. | Il mondo che nascerà dal machine learning |
| 303 | | Sesso, bugie e machine learning |
| 307 | | Lo specchio digitale |
| 308 | | Una società di modelli |
| 310 | | Condividere o non condividere? E dove, e come? |
| 317 | | Una rete neurale mi ha rubato il lavoro |
| 320 | | La guerra non fa per l'uomo |
| 323 | | Google + Algoritmo Definitivo = Skynet? |
| 328 | | Evoluzione, seconda parte |
| 333 | | Epilogo |
| 337 | | Ringraziamenti |
| 339 | | Letture consigliate |
| 355 | | Indice dei nomi |
| 357 | | _ |
| 360 | | ___ |
