APRENDE MACHINE LEARNING CON SCLKIT-LEARN KERAS Y TENSORFLOW
CONCEPTOS, HERRAMIENTAS Y TÉCNICAS PARA CONSEGUIR SISTEMAS INTELIGENTES
Aurélien Géron74,95 €
- Editorial: ANAYA, S.A.
- Año de edición: 2023
- Materia: Informática
- ISBN: 978-84-415-4804-6
- Páginas: 832
- Encuadernación: Rústica
- Colección: Títulos Especiales
- Idioma: Español
74,95 €
Alerta disponibilidad online74,95 €
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.
Añadir a mis favoritos
Compartir