{"product_id":"bayesian-optimization-in-action-9781633439078","title":"Optimización bayesiana en acción","description":"\u003cb\u003eLa optimización bayesiana ayuda a determinar la mejor configuración para sus modelos de aprendizaje automático con velocidad y precisión. Ponga en práctica sus técnicas avanzadas con esta guía práctica.\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003eEn \u003ci\u003eOptimización Bayesiana en Acción\u003c\/i\u003e aprenderá a: \u003cp\u003e\u003c\/p\u003e \u003cul\u003e \u003cli\u003eEntrenar procesos gaussianos en conjuntos de datos dispersos y grandes\u003c\/li\u003e \u003cli\u003eCombinar procesos gaussianos con redes neuronales profundas para hacerlos flexibles y expresivos\u003c\/li\u003e \u003cli\u003eEncontrar las estrategias más exitosas para el ajuste de hiperparámetros\u003c\/li\u003e \u003cli\u003eNavegar por un espacio de búsqueda e identificar regiones de alto rendimiento\u003c\/li\u003e \u003cli\u003eAplicar la optimización bayesiana a la optimización con restricciones de costos, multiobjetivo y de preferencias\u003c\/li\u003e \u003cli\u003eImplementar la optimización bayesiana con PyTorch, GPyTorch y BoTorch\u003c\/li\u003e \u003c\/ul\u003e \u003cbr\u003e\u003ci\u003eOptimización Bayesiana en Acción\u003c\/i\u003e le muestra cómo optimizar el ajuste de hiperparámetros, las pruebas A\/B y otros aspectos del proceso de aprendizaje automático aplicando técnicas bayesianas de vanguardia. Utilizando un lenguaje claro, ilustraciones y ejemplos concretos, ¡este libro demuestra que la optimización bayesiana no tiene por qué ser difícil! Obtendrá información detallada sobre cómo funciona la optimización bayesiana y aprenderá a implementarla con bibliotecas Python de vanguardia. Los ejemplos de código del libro, fáciles de reutilizar, le permiten ponerse en marcha inmediatamente conectándolos directamente a sus propios proyectos. \u003cp\u003e\u003c\/p\u003e Prólogos de Luis Serrano y David Sweet\u003ci\u003e.\u003c\/i\u003e \u003cp\u003e\u003c\/p\u003e La compra del libro impreso incluye un libro electrónico gratuito en formato PDF, Kindle y ePub de Manning Publications. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eSobre la tecnología\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e En el aprendizaje automático, la optimización consiste en lograr las mejores predicciones (rutas de entrega más cortas, precios perfectos, recomendaciones más precisas) en el menor número de pasos. La optimización bayesiana utiliza las matemáticas de la probabilidad para ajustar las funciones, algoritmos e hiperparámetros de ML de manera eficiente cuando los métodos tradicionales son demasiado lentos o costosos. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eSobre el libro\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e \u003ci\u003eOptimización Bayesiana en Acción\u003c\/i\u003e le enseña cómo crear procesos eficientes de aprendizaje automático utilizando un enfoque bayesiano. En él, explorará técnicas prácticas para entrenar grandes conjuntos de datos, ajustar hiperparámetros y navegar por espacios de búsqueda complejos. Este interesante libro incluye atractivas ilustraciones y ejemplos divertidos como perfeccionar la dulzura del café, predecir el clima e incluso desacreditar afirmaciones psíquicas. Aprenderá a navegar por escenarios multiobjetivo, tener en cuenta los costos de decisión y abordar las comparaciones por pares. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eContenido\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e \u003cul\u003e \u003cli\u003eProcesos gaussianos para conjuntos de datos dispersos y grandes\u003c\/li\u003e \u003cli\u003eEstrategias para el ajuste de hiperparámetros\u003c\/li\u003e \u003cli\u003eIdentificar regiones de alto rendimiento\u003c\/li\u003e \u003cli\u003eEjemplos en PyTorch, GPyTorch y BoTorch\u003c\/li\u003e \u003c\/ul\u003e \u003cbr\u003e\u003cb\u003eSobre el lector\u003c\/b\u003e\u003cbr\u003e Para profesionales del aprendizaje automático con conocimientos sólidos en matemáticas y estadística. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eSobre el autor\u003c\/b\u003e\u003cbr\u003e \u003cb\u003eQuan Nguyen\u003c\/b\u003e es asistente de investigación en la Universidad de Washington en St. Louis. Escribe para la Python Software Foundation y ha sido autor de varios libros sobre programación Python. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eTabla de Contenidos\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e 1 Introducción a la optimización bayesiana\u003cbr\u003e PARTE 1 MODELADO CON PROCESOS GAUSSIANOS\u003cbr\u003e 2 Procesos gaussianos como distribuciones sobre funciones\u003cbr\u003e 3 Personalización de un proceso gaussiano con las funciones media y de covarianza\u003cbr\u003e PARTE 2 TOMA DE DECISIONES CON OPTIMIZACIÓN BAYESIANA\u003cbr\u003e 4 Refinamiento del mejor resultado con políticas basadas en la mejora\u003cbr\u003e 5 Exploración del espacio de búsqueda con políticas de tipo bandido\u003cbr\u003e 6 Aprovechamiento de la teoría de la información con políticas basadas en la entropía\u003cbr\u003e PARTE 3 EXTENSIÓN DE LA OPTIMIZACIÓN BAYESIANA A ENTORNOS ESPECIALIZADOS\u003cbr\u003e 7 Maximización del rendimiento con optimización por lotes\u003cbr\u003e 8 Satisfacción de restricciones adicionales con optimización restringida\u003cbr\u003e 9 Equilibrio entre utilidad y coste con optimización multifidelidad\u003cbr\u003e 10 Aprendizaje a partir de comparaciones por pares con optimización de preferencias\u003cbr\u003e 11 Optimización de múltiples objetivos al mismo tiempo\u003cbr\u003e PARTE 4 MODELOS ESPECIALES DE PROCESOS GAUSSIANOS\u003cbr\u003e 12 Escalado de procesos gaussianos a grandes conjuntos de datos\u003cbr\u003e 13 Combinación de procesos gaussianos con redes neuronales\u003cbr\u003e\u003cbr\u003e\u003cb\u003eAutor:\u003c\/b\u003e \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-12298192\"\u003eQuan Nguyen\u003c\/a\u003e\u003cbr\u003e\u003cb\u003eEditorial:\u003c\/b\u003e Manning Publications\u003cbr\u003e\u003cb\u003ePublicado:\u003c\/b\u003e 14\/11\/2023\u003cbr\u003e\u003cb\u003ePáginas:\u003c\/b\u003e 424\u003cbr\u003e\u003cb\u003eTipo de encuadernación:\u003c\/b\u003e Tapa blanda\u003cbr\u003e\u003cb\u003ePeso:\u003c\/b\u003e 1.55lbs\u003cbr\u003e\u003cb\u003eTamaño:\u003c\/b\u003e 9.10h x 7.30w x 0.90d\u003cbr\u003e\u003cb\u003eISBN13:\u003c\/b\u003e 9781633439078\u003cbr\u003e\u003cb\u003eISBN10:\u003c\/b\u003e 1633439070\u003cbr\u003e\u003cb\u003eCategorías BISAC:\u003c\/b\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM094000\"\u003eCiencia de Datos | Aprendizaje Automático\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM044000\"\u003eCiencia de Datos | Redes Neuronales\u003c\/a\u003e\u003cbr\u003e","brand":"Manning Publications","offers":[{"title":"Default Title","offer_id":44540464234733,"sku":"9781633439078","price":79.98,"currency_code":"USD","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0550\/8097\/6621\/products\/img_2df79aea-4a50-4645-ad53-b9c1f70ca746.jpg?v=1701488295","url":"https:\/\/sureshotbooks.com\/es\/products\/bayesian-optimization-in-action-9781633439078","provider":"SureShot Books Publishing LLC","version":"1.0","type":"link"}