• NOVEDADES
  • SUSCRIPCION A NOVEDADES
  • Enero
  • Febrero
  • Marzo
  • Abril
  • Mayo
  • TRES ÚLTIMOS MESES
  • TÍTULOS ESPECIALESFicha del libroimprimir

    Aprende Machine Learning con Scikit-Learn, Keras y TensorFlow

    Portada

    Reseña

    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.

    La edición actualizada de este 'best seller' utiliza ejemplos concretos, una teoría mínima y 'frameworks' de Python listos para la producción para ayudarte a obtener una comprensión intuitiva de los conceptos y herramientas para crear sistemas inteligentes. Aprenderás varias técnicas que podrás usar enseguida.

    Con ejercicios en cada capítulo para ayudarte a aplicar lo que has aprendido, lo único que necesitas para empezar es experiencia en programación. Todo el código está disponible en GitHub. Se ha actualizado a TensorFlow 2 y la versión más reciente de Scikit-Learn.

    Ficha del libro

    • Colección: TÍTULOS ESPECIALES
    • Autor: Aurélien Géron
    • Nº de páginas: 800
    • Formato: Papel
    • Tamaño: 17,50 x 22,50
    • I.S.B.N: 978-84-415-4264-8
    • Código Comercial: 2315155
    • Precio sin IVA: 65,87€
    • Precio con IVA: 68,50€
    • Fecha de Publicación: 28/05/2020

    Índice cerrar índice [x]

    Prefacio

    Parte I. Fundamentos del 'machine learning'
    1. El paisaje del 'machine learning'
    2. Proyecto de machine learning de principio a fin
    3. Clasificación
    4. Entrenar modelos
    5. Máquinas de vectores soporte
    6. Árboles de decisiones
    7. Ensamblaje y 'random forests'
    8. Reducción de dimensionalidad
    9. Técnicas de aprendizaje no supervisado

    Parte II. Redes neuronales y 'deep learning'
    10. Introducción a las redes neuronales artificiales con Keras
    11. Entrenar redes neuronales profundas
    12. Modelos personalizados y entrenamiento con TensorFlow
    13. Cargar y preprocesar datos con TensorFlow
    14. 'Deep learning' para visión por ordenador usando redes neuronales convolucionales
    15. Procesar secuencias utilizando RNR y RNC
    16. Procesamiento de lenguaje natural con RNR y atención
    17. Aprendizaje de representación y aprendizaje generativo utilizando autocodificadores y GAN
    18. Aprendizaje por refuerzo
    19. Entrenar y desplegar modelos de TensorFlow a escala

    A. Soluciones de los ejercicios
    B. Lista de comprobación de proyectos de 'machine learning'
    C. Problema dual con SVM
    D. Autodiferenciación
    E. Otras arquitecturas de RNA populares
    F. Estructuras de datos especiales
    G. Grafos de TensorFlow

    Índice alfabético

    Complementos cerrar complementos [x]

      Warning: Invalid argument supplied for foreach() in /docs/anayamultimedia/html/libro.html on line 115