...poesie in cui si sentono, secondo un auspicio che incontro in un verso, sia la gioia sia la rabbia; la gioia non tanto sul piano tematico o privato, ma su quello scoppiettante delle parole, delle associazioni, ora serissime ora volutamente scanzonate, dei giochi fonici. Sotto il tono a prima vista "leggero" si coglie un lavorìo profondo, e in molti punti notevole, direi. Quanto alla rabbia, di motivi ne abbiamo tutti un bel po', non c'è neanche bisogno di dirlo; ma di nuovo mi pare interessante soprattutto la trasformazione della rabbia in dettato ritmico e sonoro. «(...) e che il tempo / e lo spazio a me regalati dalla grazia celeste / devono seguire la propria vocazione», leggo ne La postazione militare: come in una breve pausa tra gioia e rabbia. È proprio così, penso; e quando riesco a sentire qualcosa del genere mi sembra di non avere del tutto sprecato tempo e spazio.

L'intelligenza artificiale è ormai del tutto intorno a noi: protegge dalle frodi, prende appuntamenti per le visite mediche, è d'aiuto nei customer service e assiste nella scelta dei programmi televisivi e nelle pulizie della casa. In questo libro gli autori descrivono i diversi usi dell'AI nelle applicazioni informatiche, in campo medico e spaziale e nel machine learning e spiegano inoltre come sviluppare robot, come far volare droni e come guidare un'auto con l'intelligenza artificiale. Rivolto sia a tecnofili sia a semplici curiosi, questo volume contiene anche alcune considerazioni sulle questioni etiche implicate nell'utilizzo dell'AI e le descrizioni di alcune meraviglie che, in un futuro non troppo distante, sarà in grado di fare.

Machine learning is an exciting new way to use computers to perform tasks that require the ability to learn from experience. In order to make machine learning a reality, programmers rely on special languages, such as Python and R, and new types of tools. Machine Learning For Dummies helps the reader understand what machine learning is, when it can help perform a new class of computer tasks, and how to implement machine learning using Python and R, along with the required tools. Unlike most machine learning books, Machine Learning For Dummies does not assume that the reader has years of experience using programming languages. This book provides the much-needed entry point for people who really could use machine learning to accomplish practical tasks, but don’t necessarily have the skills required to use on more advanced books. This book will cover the entry level materials required to get readers up and running faster, how to perform practical tasks, how to perform useful work without getting overly involved in the underlying math principles, fun ways to play with new tools and learn as a result, and how to separate facts from myth to see how machine learning is useful in today’s world.

Topics Covered:

• Getting the Real Story about AI
• Learning in the Age of Big Data
• Having a Glance at the Future
• Coding in R Using R Studio
• Coding in Python Using Anaconda
• Exploring Other Machine Learning Tools
• Demystifying the Math Behind Machine Learning
• Descending the Right Curve
• Validating Machine Learning
• Starting with Simple Learners
• Preprocessing Data
• Starting Easy with Linear Models
• Going a Step Beyond using Support Vector Machines
• Resorting to Ensembles of Learners

Unleash the power of Python for your data analysis projects with For Dummies!

Python is the preferred programming language for data scientists and combines the best features of Matlab, Mathematica, and R into libraries specific to data analysis and visualization. Python for Data Science For Dummies shows you how to take advantage of Python programming to acquire, organize, process, and analyze large amounts of information and use basic statistics concepts to identify trends and patterns. You’ll get familiar with the Python development environment, manipulate data, design compelling visualizations, and solve scientific computing challenges as you work your way through this user-friendly guide.

• Covers the fundamentals of Python data analysis programming and statistics to help you build a solid foundation in data science concepts like probability, random distributions, hypothesis testing, and regression models
• Explains objects, functions, modules, and libraries and their role in data analysis
• Walks you through some of the most widely-used libraries, including NumPy, SciPy, BeautifulSoup, Pandas, and MatPlobLib

Whether you’re new to data analysis or just new to Python, Python for Data Science For Dummies is your practical guide to getting a grip on data overload and doing interesting things with the oodles of information you uncover.

La crisi apparentemente senza fine dell'istituzione penitenziaria e, più in generale, del sistema penale sembra rendere anche in Italia più allettante la proposta della restorative justice, fino ad oggi relegata ai margini del sistema di giustizia nonostante gli ampi e importanti spazi altrove conquistati e la pressione a livello internazionale esercitata dalle istituzioni dell'Unione Europea e dalle Nazioni Unite. L'applicazione limitata, peraltro circoscritta alla giustizia minorile, tradisce la tendenza all'appiattimento della restorative justice alla mediazione penale, che della prima è in realtà espressione e principale strumento applicativo, senza un'adeguata consapevolezza ed un opportuno approfondimento dei principi e degli obiettivi di fondo. Il rischio è quello di strumentalizzare la mediazione per interessi particolaristici non convergenti con quelli riparativi o, perlomeno, di ridimensionarne il senso e la portata. La giustizia riparativa si presenta come un paradigma nuovo di giustizia. Il volume intende individuare e comprendere in primo luogo le diverse istanze sociali e scientifiche che hanno avallato nel corso degli ultimi decenni la proposta di un modello di giustizia riparativa e gli elementi che pongono quest'ultima in alternativa a quella tradizionale. L'obiettivo, pertanto, è quello di comprendere le potenzialità trascurate e i limiti non valicabili della restorative justice, per delineare possibili spazi applicativi.