Aprende machine learning con Scikit-Learn, Keras y TensorFlow : conceptos, herramientas y técnicas para conseguir sistemas inteligentes / Aurélien Géron [Texto impreso]
By: Géron, Aurelien
Language: spa Original language: English Series: (O'Reilly (Anaya Multimedia))Publisher: Madrid : Anaya Multimedia, 2020Edition: 2ª ed. actualizada para TensorFlow 2Description: 800 p. : il. ; 23 cmISBN: 9788441542648Subject(s): Aprendizaje automático | Inteligencia artificial -- InformáticaAbstract: Gracias a varios logros innovadores, el 'deep learning' ha dado un gran impulso a todo el campo del 'machine learning'. Ahora, incluso programadores que no saben casi nada de esta tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos. La edición actualizada de este 'best seller' utiliza ejemplos concretos, una teoría mínima y 'frameworks' de Python listos para la producción para ayudarte a obtener una comprensión intuitiva de los conceptos y herramientas para crear sistemas inteligentes. Aprenderás varias técnicas que podrás usar enseguida. Con ejercicios en cada capítulo para ayudarte a aplicar lo que has aprendido, lo único que necesitas para empezar es experiencia en programación. Todo el código está disponible en GitHub. Se ha actualizado a TensorFlow 2 y la versión más reciente de Scikit-Learn
| Item type | Current location | Collection | Call number | Status | Date due | Barcode | Course reserves |
|---|---|---|---|---|---|---|---|
Libro
|
Biblioteca Universidad Europea del Atlántico Fondo General | No ficción | 004.85 GER apr | Available | 3916 |
Tít. original: Hands-on machine learning with Scikit-Learn and TensorFlow : concepts, tools, and techniques to build intelligent systems
PARTE I: Fundamentos del machine learning ;
1. El paisaje del machine learning ;
2. Proyectos de machine learning de principio a fin ;
3. Clasificación ;
4. Entrenar modelos ;
5. Máquinas de vectores soporte ;
6. Árboles de decisión ;
7. Ensamblaje y random forest ;
8. Reducción de dimensionalidad ;
9. Técnicas de aprendizaje no supervisado ;
PARTE II: Redes neuronales y deep learning ;
10. Introducción a las redes neuronales artificiales con Keras ;
11. Entrenar redes neuronales profundas ;
12. Modelos personalizados y entrenamiento con TenserFlow ;
13. Cargar y procesar datos con TEnsor Flow ;
14. Deep learning para visión por ordenador usando redes neuronales convolucionales ;
15. Procesar secuencias utilizando RNR y RNC ;
16. Procesamiento del lenguaje natural con RNR y atención ;
17. Aprendizaje de representación y aprendizaje generativo utilizando autocodificadores GAN ;
18. Aprendizaje por refuerzo ;
19. Entrenar y desplegar modelos de TensorFlow a escala ;
PARTE III. Apéndices ;
Apéndice A: Soluciones de los ejercicios ;
Apéndice B: Lista de comprobación de proyectos de machine learning ;
Apéndice C: Problema dual con SVM ;
Apéndice D: Diferenciación automática ;
Apéndice E: Otras arquitecturas de RNA populares ;
Apéndice F: Estructuras de datos especiales ;
Apéndice G: Grafos de TensorFlow
Gracias a varios logros innovadores, el 'deep learning' ha dado un gran impulso a todo el campo del 'machine learning'. Ahora, incluso programadores que no saben casi nada de esta tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos. La edición actualizada de este 'best seller' utiliza ejemplos concretos, una teoría mínima y 'frameworks' de Python listos para la producción para ayudarte a obtener una comprensión intuitiva de los conceptos y herramientas para crear sistemas inteligentes. Aprenderás varias técnicas que podrás usar enseguida. Con ejercicios en cada capítulo para ayudarte a aplicar lo que has aprendido, lo único que necesitas para empezar es experiencia en programación. Todo el código está disponible en GitHub. Se ha actualizado a TensorFlow 2 y la versión más reciente de Scikit-Learn