Descripción
Esta guía práctica ofrece más de 200 recetas independientes para ayudarle a resolver los desafíos de aprendizaje automático que pueda encontrar en su trabajo. Si se siente cómodo con Python y sus librerías, incluyendo pandas y scikit-learn, podrá abordar problemas específicos desde la carga de datos hasta el entrenamiento de modelos y el aprovechamiento de redes neuronales.
Cada receta de esta edición actualizada incluye código que puede copiar, pegar y ejecutar con un conjunto de datos de prueba para asegurarse de que funciona. A partir de ahí, puede adaptar estas recetas según su caso de uso o aplicación. Las recetas incluyen un debate que explica la solución y proporciona un contexto significativo. Vaya más allá de la teoría y los conceptos aprendiendo los entresijos que necesita para construir aplicaciones de aprendizaje automático funcionales.
Encontrará recetas para:
- Vectores, matrices y arreglos
- Trabajar con datos de CSV, JSON, SQL, bases de datos, almacenamiento en la nube y otras fuentes
- Manejo de datos numéricos y categóricos, texto, imágenes y fechas y horas
- Reducción de dimensionalidad usando extracción o selección de características
- Evaluación y selección de modelos
- Regresión lineal y lógica, árboles y bosques, y k-vecinos más cercanos
- Máquinas de vectores de soporte (SVM), Naive Bayes, agrupación y modelos basados en árboles
- Guardar y cargar modelos entrenados desde múltiples frameworks
Autor: Kyle Gallatin, Chris Albon
Editorial: O'Reilly Media
Publicado: 09/05/2023
Páginas: 413
Tipo de encuadernación: Tapa blanda
Peso: 1.45lbs
Tamaño: 9.19h x 7.00w x 0.85d
ISBN13: 9781098135720
ISBN10: 1098135725
Categorías BISAC:
- Informática | Ciencia de datos | Aprendizaje automático
- Informática | Ciencia de datos | Redes neuronales
- Informática | Programación | General