APRENDE MACHINE LEARNING CON SCIKIT-LEARN, KERAS Y TENSORFLOW
Conceptos, herramientas y técnicas para conseguir sistemas inteligentes
Compartir este producto:
| Categoría | Tecnología e Informática |
| ISBN | 9788441548046 |
| Peso | 1.33 |
| Idioma | Español |
| Editorial | Anaya |
| Autor | Géron, Aurélien |
| Tapa | Rústica |
| Serie | Títulos especiales |
| Traductor | Pineda González, Beatriz |
| Año | 2023 |
| Ciudad | Madrid |
| Páginas | 832 |
Gracias a varios logros innovadores, el deep learning ha dado un gran impulso a todo el campo del machine learning. Ahora, incluso programadores que no saben casi nada de esta tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos. Este best seller utiliza ejemplos concretos, una teoría mínima y frameworks de Python listos para la producción (Scikit Learn, Keras y TensorFlow) para ayudarte a obtener una comprensión intuitiva de los conceptos y herramientas para crear sistemas inteligentes.
Con esta tercera edición actualizada, el autor Aurélien Géron explora una variedad de técnicas que van desde una regresión lineal simple a redes neuronales profundas. Hay ejemplos de código y ejercicios por todo el libro para ayudarte a aplicar lo que has aprendido, lo único que necesitas para empezar es experiencia en programación:
* Utiliza Scikit-Learn para hacer un seguimiento de un proyecto de machine learning de ejemplo de principio a fin.
* Explora varios modelos, incluyendo máquinas de vectores soporte, árboles de decisión, random forests y métodos de ensamblaje.
* Aprovecha técnicas de aprendizaje no supervisado, como la reducción de dimensionalidad, el agrupamiento y la detección de anomalías.
* Sumérgete en arquitecturas de redes neuronales, incluyendo redes convolucionales, redes recurrentes, redes generativas antagónicas, autocodificadores, modelos de difusión y transformadores.
* Utiliza TensorFlow y Keras para crear y entrenar redes neuronales para visión por ordenador, procesamiento del lenguaje natural, modelos generativos y aprendizaje profundo por refuerzo.