Descripción
Descubre técnicas valiosas de aprendizaje automático que puedes entender y aplicar usando solo matemáticas de nivel de secundaria. En Grokking Machine Learning aprenderás: Algoritmos supervisados para clasificar y dividir datos
Métodos para limpiar y simplificar datos
Paquetes y herramientas de aprendizaje automático
Redes neuronales y métodos de conjunto para conjuntos de datos complejos Grokking Machine Learning te enseña cómo aplicar ML a tus proyectos usando solo código Python estándar y matemáticas de nivel de secundaria. No se requieren conocimientos especializados para abordar los ejercicios prácticos usando Python y herramientas de aprendizaje automático disponibles. Repleto de ejercicios y miniproyectos basados en Python fáciles de seguir, este libro te encamina a convertirte en un experto en aprendizaje automático. La compra del libro impreso incluye un libro electrónico gratuito en formato PDF, Kindle y ePub de Manning Publications. Acerca de la tecnología
¡Descubre poderosas técnicas de aprendizaje automático que puedes comprender y aplicar usando solo matemáticas de secundaria! En pocas palabras, el aprendizaje automático es un conjunto de técnicas para el análisis de datos basadas en algoritmos que ofrecen mejores resultados a medida que se les proporciona más datos. ML impulsa muchas tecnologías de vanguardia, como sistemas de recomendación, software de reconocimiento facial, altavoces inteligentes e incluso coches autónomos. Este libro único introduce los conceptos centrales del aprendizaje automático, utilizando ejemplos fáciles de relacionar, ejercicios atractivos e ilustraciones nítidas. Acerca del libro
Grokking Machine Learning presenta algoritmos y técnicas de aprendizaje automático de una manera que cualquiera puede entender. Este libro evita la confusa jerga académica y ofrece explicaciones claras que solo requieren álgebra básica. A medida que avances, construirás proyectos interesantes con Python, incluidos modelos para la detección de spam y el reconocimiento de imágenes. También adquirirás habilidades prácticas para limpiar y preparar datos. Qué incluye Algoritmos supervisados para clasificar y dividir datos
Métodos para limpiar y simplificar datos
Paquetes y herramientas de aprendizaje automático
Redes neuronales y métodos de conjunto para conjuntos de datos complejos Acerca del lector
Para lectores que conocen Python básico. No se necesitan conocimientos de aprendizaje automático. Acerca del autor
Luis G. Serrano es un científico investigador en inteligencia artificial cuántica. Anteriormente, fue ingeniero de aprendizaje automático en Google y educador principal de inteligencia artificial en Apple. Tabla de Contenidos
1 ¿Qué es el aprendizaje automático? Es sentido común, excepto que lo hace una computadora
2 Tipos de aprendizaje automático
3 Dibujar una línea cercana a nuestros puntos: Regresión lineal
4 Optimización del proceso de entrenamiento: Subajuste, sobreajuste, pruebas y regularización
5 Uso de líneas para dividir nuestros puntos: El algoritmo perceptrón
6 Un enfoque continuo para dividir puntos: Clasificadores logísticos
7 ¿Cómo se miden los modelos de clasificación? Precisión y sus amigos
8 Usar la probabilidad al máximo: El modelo Bayes ingenuo
9 Dividir datos haciendo preguntas: Árboles de decisión
10 Combinar bloques de construcción para obtener más poder: Redes neuronales
11 Encontrar límites con estilo: Máquinas de vectores de soporte y el método del kernel
12 Combinar modelos para maximizar resultados: Aprendizaje en conjunto
13 Ponerlo todo en práctica: Un ejemplo real de ingeniería de datos y aprendizaje automático
Autor: Luis Serrano
Editorial: Manning Publications
Publicado: 14/12/2021
Páginas: 512
Tipo de encuadernación: Tapa blanda
Peso: 1.90lbs
Tamaño: 9.20h x 7.40w x 1.20d
ISBN13: 9781617295911
ISBN10: 1617295914
Categorías BISAC:
- Computación | Ciencia de Datos | Aprendizaje Automático
- Computación | Lenguajes | Python
- Computación | Ciencia de Datos | Redes Neuronales
Métodos para limpiar y simplificar datos
Paquetes y herramientas de aprendizaje automático
Redes neuronales y métodos de conjunto para conjuntos de datos complejos Grokking Machine Learning te enseña cómo aplicar ML a tus proyectos usando solo código Python estándar y matemáticas de nivel de secundaria. No se requieren conocimientos especializados para abordar los ejercicios prácticos usando Python y herramientas de aprendizaje automático disponibles. Repleto de ejercicios y miniproyectos basados en Python fáciles de seguir, este libro te encamina a convertirte en un experto en aprendizaje automático. La compra del libro impreso incluye un libro electrónico gratuito en formato PDF, Kindle y ePub de Manning Publications. Acerca de la tecnología
¡Descubre poderosas técnicas de aprendizaje automático que puedes comprender y aplicar usando solo matemáticas de secundaria! En pocas palabras, el aprendizaje automático es un conjunto de técnicas para el análisis de datos basadas en algoritmos que ofrecen mejores resultados a medida que se les proporciona más datos. ML impulsa muchas tecnologías de vanguardia, como sistemas de recomendación, software de reconocimiento facial, altavoces inteligentes e incluso coches autónomos. Este libro único introduce los conceptos centrales del aprendizaje automático, utilizando ejemplos fáciles de relacionar, ejercicios atractivos e ilustraciones nítidas. Acerca del libro
Grokking Machine Learning presenta algoritmos y técnicas de aprendizaje automático de una manera que cualquiera puede entender. Este libro evita la confusa jerga académica y ofrece explicaciones claras que solo requieren álgebra básica. A medida que avances, construirás proyectos interesantes con Python, incluidos modelos para la detección de spam y el reconocimiento de imágenes. También adquirirás habilidades prácticas para limpiar y preparar datos. Qué incluye Algoritmos supervisados para clasificar y dividir datos
Métodos para limpiar y simplificar datos
Paquetes y herramientas de aprendizaje automático
Redes neuronales y métodos de conjunto para conjuntos de datos complejos Acerca del lector
Para lectores que conocen Python básico. No se necesitan conocimientos de aprendizaje automático. Acerca del autor
Luis G. Serrano es un científico investigador en inteligencia artificial cuántica. Anteriormente, fue ingeniero de aprendizaje automático en Google y educador principal de inteligencia artificial en Apple. Tabla de Contenidos
1 ¿Qué es el aprendizaje automático? Es sentido común, excepto que lo hace una computadora
2 Tipos de aprendizaje automático
3 Dibujar una línea cercana a nuestros puntos: Regresión lineal
4 Optimización del proceso de entrenamiento: Subajuste, sobreajuste, pruebas y regularización
5 Uso de líneas para dividir nuestros puntos: El algoritmo perceptrón
6 Un enfoque continuo para dividir puntos: Clasificadores logísticos
7 ¿Cómo se miden los modelos de clasificación? Precisión y sus amigos
8 Usar la probabilidad al máximo: El modelo Bayes ingenuo
9 Dividir datos haciendo preguntas: Árboles de decisión
10 Combinar bloques de construcción para obtener más poder: Redes neuronales
11 Encontrar límites con estilo: Máquinas de vectores de soporte y el método del kernel
12 Combinar modelos para maximizar resultados: Aprendizaje en conjunto
13 Ponerlo todo en práctica: Un ejemplo real de ingeniería de datos y aprendizaje automático
Autor: Luis Serrano
Editorial: Manning Publications
Publicado: 14/12/2021
Páginas: 512
Tipo de encuadernación: Tapa blanda
Peso: 1.90lbs
Tamaño: 9.20h x 7.40w x 1.20d
ISBN13: 9781617295911
ISBN10: 1617295914
Categorías BISAC:
- Computación | Ciencia de Datos | Aprendizaje Automático
- Computación | Lenguajes | Python
- Computación | Ciencia de Datos | Redes Neuronales
Acerca del autor
Luis G. Serrano es científico investigador en inteligencia artificial cuántica en Zapata Computing. Anteriormente, trabajó como Ingeniero de Aprendizaje Automático en Google, como Educador Principal de Inteligencia Artificial en Apple y como Jefe de Contenidos en Inteligencia Artificial y Ciencia de Datos en Udacity. Luis tiene un doctorado en matemáticas de la Universidad de Michigan, una licenciatura y una maestría en matemáticas de la Universidad de Waterloo, y trabajó como investigador postdoctoral en el Laboratoire de Combinatoire et d'Informatique Mathématique de la Universidad de Quebec en Montreal. Luis mantiene un popular canal de YouTube sobre aprendizaje automático con más de 75,000 suscriptores y más de 3 millones de visualizaciones, y es un orador frecuente en conferencias de inteligencia artificial y ciencia de datos.