Descripción
Los negocios funcionan con datos tabulares en bases de datos, hojas de cálculo y registros. Analice esos datos utilizando aprendizaje profundo, potenciación de gradiente y otras técnicas de aprendizaje automático. Machine Learning para Datos Tabulares le enseña a entrenar modelos de aprendizaje automático perspicaces sobre fuentes comunes de datos de negocio tabulares como hojas de cálculo, bases de datos y registros. Descubrirá cómo usar XGBoost y LightGBM en datos tabulares, optimizar bibliotecas de aprendizaje profundo como TensorFlow y PyTorch para datos tabulares, y usar herramientas en la nube como Vertex AI para crear una pipeline MLOps automatizada. Machine Learning para Datos Tabulares le enseñará cómo: - Elegir el enfoque de aprendizaje automático adecuado para sus datos
- Aplicar el aprendizaje profundo a datos tabulares
- Implementar el aprendizaje automático tabular localmente y en la nube
- Pipelines para entrenar y mantener un modelo automáticamente Machine Learning para Datos Tabulares cubre técnicas clásicas de aprendizaje automático como la potenciación de gradiente, y enfoques más contemporáneos de aprendizaje profundo. Al terminar, estará equipado con las habilidades para aplicar el aprendizaje automático a los tipos de datos con los que trabaja todos los días. Prólogo de Antonio Gulli. La compra del libro impreso incluye un eBook gratuito en formatos PDF y ePub de Manning Publications. Sobre la tecnología El aprendizaje automático puede acelerar tareas comerciales diarias como la conciliación de cuentas, la previsión de la demanda y la automatización del servicio al cliente, sin mencionar desafíos más exóticos como la detección de fraudes, el mantenimiento predictivo y el marketing personalizado. Este libro le muestra cómo desbloquear la información vital almacenada en hojas de cálculo, libros de contabilidad, bases de datos y otras fuentes de datos tabulares utilizando la potenciación de gradiente, el aprendizaje profundo y la IA generativa. Sobre el libro Machine Learning para Datos Tabulares ofrece técnicas prácticas de ML para mejorar cada etapa de la pipeline de análisis de datos comerciales. En él, explorará ejemplos como el uso de XGBoost y Keras para predecir precios de alquiler a corto plazo, la implementación de un modelo de ML local con Python y Flask, y la optimización de flujos de trabajo utilizando modelos de lenguaje grandes (LLMs). En el camino, aprenderá a hacer que sus modelos sean más potentes y más explicables. Qué incluye - Dominar XGBoost
- Aplicar el aprendizaje profundo a datos tabulares
- Implementar modelos localmente y en la nube
- Construir pipelines para entrenar y mantener modelos Sobre el lector Para lectores con experiencia en Python y los conceptos básicos del aprendizaje automático. Sobre el autor Mark Ryan es el Líder de IA de la Plataforma de Conocimiento para Desarrolladores en Google. Tres veces Gran Maestro de Kaggle, Luca Massaron es un Google Developer Expert (GDE) en aprendizaje automático e IA. Ha publicado otros 17 libros. Tabla de Contenidos Parte 1
1 Comprensión de los datos tabulares
2 Exploración de conjuntos de datos tabulares
3 Aprendizaje automático vs. aprendizaje profundo
Parte 2
4 Algoritmos clásicos para datos tabulares
5 Árboles de decisión y potenciación de gradiente
6 Métodos avanzados de procesamiento de características
7 Un ejemplo completo usando XGBoost
Parte 3
8 Introducción al aprendizaje profundo con datos tabulares
9 Mejores prácticas de aprendizaje profundo
10 Implementación de modelos
11 Construcción de una pipeline de aprendizaje automático
12 Combinando potenciación de gradiente y aprendizaje profundo
A Hiperparámetros para modelos clásicos de aprendizaje automático
B K-vecinos más cercanos y máquinas de vectores de soporte
Autor: Mark Ryan, Luca Massaron
Editorial: Manning Publications
Publicado: 25/03/2025
Páginas: 504
Tipo de encuadernación: Tapa blanda
Peso: 1.87 libras
Tamaño: 9.19h x 7.40w x 1.01d
ISBN13: 9781633438545
ISBN10: 1633438546
Categorías BISAC:
- Informática | Inteligencia Artificial | Sistemas Expertos
- Informática | Lenguajes | Python
- Informática | Ciencia de Datos | Aprendizaje Automático
- Aplicar el aprendizaje profundo a datos tabulares
- Implementar el aprendizaje automático tabular localmente y en la nube
- Pipelines para entrenar y mantener un modelo automáticamente Machine Learning para Datos Tabulares cubre técnicas clásicas de aprendizaje automático como la potenciación de gradiente, y enfoques más contemporáneos de aprendizaje profundo. Al terminar, estará equipado con las habilidades para aplicar el aprendizaje automático a los tipos de datos con los que trabaja todos los días. Prólogo de Antonio Gulli. La compra del libro impreso incluye un eBook gratuito en formatos PDF y ePub de Manning Publications. Sobre la tecnología El aprendizaje automático puede acelerar tareas comerciales diarias como la conciliación de cuentas, la previsión de la demanda y la automatización del servicio al cliente, sin mencionar desafíos más exóticos como la detección de fraudes, el mantenimiento predictivo y el marketing personalizado. Este libro le muestra cómo desbloquear la información vital almacenada en hojas de cálculo, libros de contabilidad, bases de datos y otras fuentes de datos tabulares utilizando la potenciación de gradiente, el aprendizaje profundo y la IA generativa. Sobre el libro Machine Learning para Datos Tabulares ofrece técnicas prácticas de ML para mejorar cada etapa de la pipeline de análisis de datos comerciales. En él, explorará ejemplos como el uso de XGBoost y Keras para predecir precios de alquiler a corto plazo, la implementación de un modelo de ML local con Python y Flask, y la optimización de flujos de trabajo utilizando modelos de lenguaje grandes (LLMs). En el camino, aprenderá a hacer que sus modelos sean más potentes y más explicables. Qué incluye - Dominar XGBoost
- Aplicar el aprendizaje profundo a datos tabulares
- Implementar modelos localmente y en la nube
- Construir pipelines para entrenar y mantener modelos Sobre el lector Para lectores con experiencia en Python y los conceptos básicos del aprendizaje automático. Sobre el autor Mark Ryan es el Líder de IA de la Plataforma de Conocimiento para Desarrolladores en Google. Tres veces Gran Maestro de Kaggle, Luca Massaron es un Google Developer Expert (GDE) en aprendizaje automático e IA. Ha publicado otros 17 libros. Tabla de Contenidos Parte 1
1 Comprensión de los datos tabulares
2 Exploración de conjuntos de datos tabulares
3 Aprendizaje automático vs. aprendizaje profundo
Parte 2
4 Algoritmos clásicos para datos tabulares
5 Árboles de decisión y potenciación de gradiente
6 Métodos avanzados de procesamiento de características
7 Un ejemplo completo usando XGBoost
Parte 3
8 Introducción al aprendizaje profundo con datos tabulares
9 Mejores prácticas de aprendizaje profundo
10 Implementación de modelos
11 Construcción de una pipeline de aprendizaje automático
12 Combinando potenciación de gradiente y aprendizaje profundo
A Hiperparámetros para modelos clásicos de aprendizaje automático
B K-vecinos más cercanos y máquinas de vectores de soporte
Autor: Mark Ryan, Luca Massaron
Editorial: Manning Publications
Publicado: 25/03/2025
Páginas: 504
Tipo de encuadernación: Tapa blanda
Peso: 1.87 libras
Tamaño: 9.19h x 7.40w x 1.01d
ISBN13: 9781633438545
ISBN10: 1633438546
Categorías BISAC:
- Informática | Inteligencia Artificial | Sistemas Expertos
- Informática | Lenguajes | Python
- Informática | Ciencia de Datos | Aprendizaje Automático
Sobre el Autor
Mark Ryan es Gerente de Ciencia de Datos en Intact Insurance. Tiene una Maestría en Ciencias de la Computación de la Universidad de Toronto.