Descripción
AVISO: Para comprar la edición más reciente de este libro (2021), busque "Machine Learning Absolute Beginners Third Edition" en Amazon. La página del producto que está viendo actualmente es para la 2ª edición (2017) del libro.Destacado por Tableau como el primero de los "7 libros sobre aprendizaje automático para principiantes"¿Listo para encender un servidor virtual y triturar petabytes de datos? ¿Quiere añadir 'Aprendizaje automático' a su perfil de LinkedIn?Bueno, espere un momento...Antes de embarcarse en su épico viaje, hay algunas teorías y principios estadísticos que deben ser explorados primero.
Pero en lugar de gastar entre 30 y 50 USD en un extenso y denso libro de texto, le recomendamos que lea este libro primero. Como una alternativa clara y concisa a un libro de texto, este libro ofrece una introducción práctica y de alto nivel al aprendizaje automático.Machine Learning for Absolute Beginners Second Edition ha sido escrito y diseñado para principiantes absolutos. Esto significa explicaciones en un lenguaje sencillo y sin necesidad de experiencia en codificación. Cuando se introducen algoritmos básicos, se añaden explicaciones claras y ejemplos visuales para que sea fácil y ameno seguir el contenido desde casa.Esta importante nueva edición presenta muchos temas no cubiertos en la Primera Edición, incluyendo la Validación Cruzada, la Limpieza de Datos y el Modelado de Conjunto. Tenga en cuenta que este libro no es una secuela de la Primera Edición, sino una versión reestructurada y renovada de la Primera Edición. Los lectores de la Primera Edición no deben sentirse obligados a adquirir esta Segunda Edición.Descargo de responsabilidad: Si ha superado la etapa de "principiante" en su estudio del aprendizaje automático y está listo para abordar la codificación y el aprendizaje profundo, le sería de gran utilidad un libro de texto de formato largo. Sin embargo, si aún no ha alcanzado ese momento del Rey León —como un Simba adulto que mira las Tierras del Orgullo de África—, este es el libro para elevarlo suavemente y ofrecerle una clara visión general del terreno.
- Qué herramientas y librerías de aprendizaje automático necesita
- Técnicas de depuración de datos, incluyendo codificación one-hot, agrupación por rangos y manejo de datos faltantes
- Preparación de datos para el análisis, incluyendo validación cruzada
- Análisis de regresión para crear líneas de tendencia
- Agrupación (Clustering), incluyendo Agrupación de K-medias para encontrar nuevas relaciones
- Los fundamentos de las Redes Neuronales
- Sesgo/Varianza para mejorar su modelo de aprendizaje automático
- Árboles de decisión para decodificar la clasificación
- Cómo construir su primer modelo de aprendizaje automático para predecir valores de viviendas usando Python
R: Este libro está diseñado para principiantes absolutos, por lo que no se requiere experiencia en programación. Sin embargo, dos de los capítulos posteriores introducen Python para demostrar un modelo real de aprendizaje automático, por lo que verá lenguaje de programación utilizado en este libro.P: Ya he comprado la primera edición de este libro, ¿debería comprar esta segunda edición?
R: Dado que la mayoría de los temas de la Primera Edición están cubiertos en la Segunda Edición, es posible que le sea más útil leer un título más avanzado sobre aprendizaje automático.P: ¿Puedo acceder a la versión Kindle de este libro?
R: Sí. Bajo el programa Matchbook de Amazon, el comprador de este libro puede añadir la versión Kindle de este título (valorada en 3,99 USD) a su biblioteca Amazon Kindle sin costo alguno.P: ¿Incluye este libro todo lo que necesito para convertirme en un experto en aprendizaje automático?
R: Este libro está diseñado para lectores que dan sus primeros pasos en el aprendizaje automático y se requerirá un aprendizaje adicional más allá de este libro para dominar el aprendizaje automático.
Autor: Oliver Theobald
Editorial: Independently Published
Publicado: 01/01/2018
Páginas: 164
Tipo de encuadernación: Tapa blanda
Peso: 0.55 libras
Dimensiones: 9.00 pulgadas (alto) x 6.00 pulgadas (ancho) x 0.38 pulgadas (profundidad)
ISBN13: 9781549617218
ISBN10: 1549617214
Categorías BISAC:
- Educación | Informática y Tecnología
- Informática | Inteligencia Artificial | General
Pero en lugar de gastar entre 30 y 50 USD en un extenso y denso libro de texto, le recomendamos que lea este libro primero. Como una alternativa clara y concisa a un libro de texto, este libro ofrece una introducción práctica y de alto nivel al aprendizaje automático.Machine Learning for Absolute Beginners Second Edition ha sido escrito y diseñado para principiantes absolutos. Esto significa explicaciones en un lenguaje sencillo y sin necesidad de experiencia en codificación. Cuando se introducen algoritmos básicos, se añaden explicaciones claras y ejemplos visuales para que sea fácil y ameno seguir el contenido desde casa.Esta importante nueva edición presenta muchos temas no cubiertos en la Primera Edición, incluyendo la Validación Cruzada, la Limpieza de Datos y el Modelado de Conjunto. Tenga en cuenta que este libro no es una secuela de la Primera Edición, sino una versión reestructurada y renovada de la Primera Edición. Los lectores de la Primera Edición no deben sentirse obligados a adquirir esta Segunda Edición.Descargo de responsabilidad: Si ha superado la etapa de "principiante" en su estudio del aprendizaje automático y está listo para abordar la codificación y el aprendizaje profundo, le sería de gran utilidad un libro de texto de formato largo. Sin embargo, si aún no ha alcanzado ese momento del Rey León —como un Simba adulto que mira las Tierras del Orgullo de África—, este es el libro para elevarlo suavemente y ofrecerle una clara visión general del terreno.
En esta guía paso a paso, aprenderá: - Cómo descargar conjuntos de datos gratuitos
- Qué herramientas y librerías de aprendizaje automático necesita
- Técnicas de depuración de datos, incluyendo codificación one-hot, agrupación por rangos y manejo de datos faltantes
- Preparación de datos para el análisis, incluyendo validación cruzada
- Análisis de regresión para crear líneas de tendencia
- Agrupación (Clustering), incluyendo Agrupación de K-medias para encontrar nuevas relaciones
- Los fundamentos de las Redes Neuronales
- Sesgo/Varianza para mejorar su modelo de aprendizaje automático
- Árboles de decisión para decodificar la clasificación
- Cómo construir su primer modelo de aprendizaje automático para predecir valores de viviendas usando Python
Preguntas frecuentesP: ¿Necesito experiencia en programación para completar este libro?
R: Este libro está diseñado para principiantes absolutos, por lo que no se requiere experiencia en programación. Sin embargo, dos de los capítulos posteriores introducen Python para demostrar un modelo real de aprendizaje automático, por lo que verá lenguaje de programación utilizado en este libro.P: Ya he comprado la primera edición de este libro, ¿debería comprar esta segunda edición?
R: Dado que la mayoría de los temas de la Primera Edición están cubiertos en la Segunda Edición, es posible que le sea más útil leer un título más avanzado sobre aprendizaje automático.P: ¿Puedo acceder a la versión Kindle de este libro?
R: Sí. Bajo el programa Matchbook de Amazon, el comprador de este libro puede añadir la versión Kindle de este título (valorada en 3,99 USD) a su biblioteca Amazon Kindle sin costo alguno.P: ¿Incluye este libro todo lo que necesito para convertirme en un experto en aprendizaje automático?
R: Este libro está diseñado para lectores que dan sus primeros pasos en el aprendizaje automático y se requerirá un aprendizaje adicional más allá de este libro para dominar el aprendizaje automático.
Autor: Oliver Theobald
Editorial: Independently Published
Publicado: 01/01/2018
Páginas: 164
Tipo de encuadernación: Tapa blanda
Peso: 0.55 libras
Dimensiones: 9.00 pulgadas (alto) x 6.00 pulgadas (ancho) x 0.38 pulgadas (profundidad)
ISBN13: 9781549617218
ISBN10: 1549617214
Categorías BISAC:
- Educación | Informática y Tecnología
- Informática | Inteligencia Artificial | General
Este título no es retornable