MARC details
000 -LEADER |
campo de control de longitud fija |
02519nam a2200265Ia 4500 |
003 - IDENTIFICADOR DE NÚMERO DE CONTROL |
campo de control |
MX-SIABUC |
005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
campo de control |
20250826155804.0 |
008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
campo de control de longitud fija |
5200302019 sp a 9100003300spa00 |
020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
Número Internacional Estándar del Libro |
978-84-267-2720-6 (pasta rústica) |
040 ## - FUENTE DE CATALOGACIÓN |
Centro/agencia transcriptor |
CO-PoCUC |
082 ## - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY |
Número de clasificación |
006.31 R223p 2019 |
Información de edición |
2 |
100 ## - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
Nombre de persona |
Raschka, Sebastian |
245 ## - MENCIÓN DEL TÍTULO |
Título |
Python machine learning : |
Resto del título |
aprendizaje automático y aprendizaje profundo con Python, Scikit- learn y TensorFlow / |
Mención de responsabilidad, etc. |
Seabastian Raschka ; Vahid Mirjalili |
250 ## - MENCION DE EDICION |
Mención de edición |
2 |
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC. |
Lugar de publicación, distribución, etc. |
Barcelona : |
Nombre del editor, distribuidor, etc. |
Marcombo, S.A., |
Fecha de publicación, distribución, etc. |
2019 |
300 ## - DESCRIPCIÓN FÍSICA |
Extensión |
615 páginas : |
Otras características físicas |
il. ; |
Dimensiones |
24cm |
500 ## - NOTA GENERAL |
Nota general |
Incluye índice |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
Capítulo 1 -- Dar a los ordenadores el poder de aprender de los datos crear máquinas inteligentes para transoformar datos en concocimiento los tres tipos de aprendizaje automático -- Capítulo 2 -- Entrenar algoritmos simples de aprendizaje automático para la clasificación neuronas artificiales : Un vistazo a los inicios del aprendizaje -- Capítulo 3 -- Un recorrido por los clasificadores de aprendizaje automático con Sckit-learn -- Capítulo 4 -- Generar buenos modelos de entrenamiento: Procesamiento de datos -- Capítulo 5 -- Comprimir datos mediante la reducción de dimensionalidad -- Capítulo 6 -- Aprender las buenas prácticas para la evalución de modelos y el ajuste de hiperparámetros -- Capítulo 7 -- Combinar diferentes modelos para el aprendizaje conjunto -- Capítulo 8 -- Aplicar el aprendizaje automático para el análisis de sentimiento -- Capítulo 9 -- Incrustar un modelo de aprendizaje automático en una aplicación web -- Capítulo 10 -- Predicción de variables de destino continuas con análisis de regresión -- Capítulo 12 -- Implementar una red neuronal artificial multicapa desde cero -- Capítulo 13 -- Paralización de entrenamiento de redes neuronales con TensorFlow -- Capítulo 14 -- Ir más lejos : la mecánica de TensorFlow -- Capítulo 15 -- Clasificar imágenes con redes neuronales convulcionables profundas -- Capítulo 16 -- Modelado de datos secuenciales mediante redes neuronales recurrentes -- -- Proyecto dos : implementar una RRN para el modelado de lenguaje a nivel de carácter en TensorFlow. |
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
Término de materia o nombre geográfico como elemento de entrada |
APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) |
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
Término de materia o nombre geográfico como elemento de entrada |
PHYTON (LENGUAJE DE PROGRAMACIÓN PARA COMPUTADORES) |
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
Término de materia o nombre geográfico como elemento de entrada |
APRENDIZAJE PROFUNDO (APRENDIZAJE AUTOMÁTICO) |
700 ## - ENTRADA AGREGADA--NOMBRE PERSONAL |
Nombre de persona |
Mirjalili, Vahid (autor) |
700 ## - ENTRADA AGREGADA--NOMBRE PERSONAL |
Nombre de persona |
Lllena, Sonia (traductora) |
942 ## - ELEMENTOS DE ENTRADA SECUNDARIOS (KOHA) |
Fuente del sistema de clasificación o colocación |
Clasificación Decimal Dewey |
Tipo de ítem Koha |
Libro |