Caro Gaetano, se sei interessato al ML (che non offre ancora materiale di qualità in lingua italiana
) eccoti un po' di riferimenti utili e gratis per approcciarsi (e non solo) all' argomento:
http://ai.dinfo.unifi.it/teaching/ml_2016.html
(pagina web didattica del professore di ML (ed anche di AI) della facoltà di ingegneria di Firenze;
come puoi vedere c'è l'elenco delle lezioni con il link agli articoli di riferimento ai quali accedi gratuitamente usando l'IP della tua università (ed autenticandoti con le tue credenziali); inoltre, dei 3 testi di riferimento consigliati, il più importante è scaricabile gratuitamente qui
http://statweb.stanford.edu/~tibs/ElemStatLearn/
ecco i 3 testi:
>>> T. Hastie, R. Tibshirani, and J. Friedman. The Elements of Statistical Learning. Data Mining, Inference, and Prediction. 2nd edition. Springer, 2009.
>>> I. Goodfellow, Y. Bengio, A. Courville. Deep Learning. MIT Press, 2016.
>>> D. Barber. Bayesian Reasoning and Machine Learning. Cambridge University Press, 2012. )
http://disi.unitn.it/~passerini/teachin ... eLearning/
(pagina web didattica di uno degli allievi del professore sopracitato; contiene un ottima
sintesi teorica delle varie tecniche)
https://www.youtube.com/playlist?list=P ... G2P55YRn5v
(tutorial di ML in Python, per approcciarsi alla fase pratica; ovviamente anche su Matlab c'è il relativo toolbox)
altri vari link che potrebbero essere utili per capire meglio alcuni concetti:
https://en.wikipedia.org/wiki/Portal:Machine_learning
http://agbs.kyb.tuebingen.mpg.de/lwk/
http://www.kernel-machines.org/
http://deeplearning.net/software_links/
http://gen.lib.rus.ec/ (volete scaricare un libro?)