Machine learning con Pytorch y Scikit-Learn : Como desarrollar modelos de machine learning y deep learning con Python Sebastián Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili

1. Dotar a los ordenadores de la capacidad de aprender de los datos -- 2. Entrenamiento de algoritmos sencillos de aprendizaje automático -- 3. Un recorrido por los clasificadores de aprendizaje automático con scikit-learn -- 4. Elaboración de conjuntos de datos de entretenimiento adecuados: Preprocesamiento -- 5. Compresión de datos mediante la reducción de la dimensionalidad -- 6. Aprendizaje de las mejores prácticas para la evaluación de modelos y el ajuste de hiperparámetros -- 7. Combinación de diferentes modelos para el aprendizaje de conjunto -- 8. Aplicación del aprendizaje automático al análisis de opiniones -- 9. pronóstico de variables objetivo continuas con análisis de regresión -- 10. El trabajo con datos no etiquetados: análisis de clustering -- 11. Implementación de una red neuronal artificial multicapa desde cero -- 12. Paralelización de redes neuronales con Pytorch -- 13. Profundización: la mecánica de Pytorch -- 14. Clasificación de imágenes con redes neuronales convolucionales profundas -- 15. Modelado de datos secuenciales mediante redes neuronales recurrentes -- 16. Transformadores: mejora del procesamiento del lenguaje natural con mecanismos de atención -- 17. Redes generativas antagónicas con las que sintetizar nuevos datos -- 18. Redes neuronales de grafos para captar las dependencias en datos estructurados en grafos -- 19. Aprendizaje reforzado para la toma de decisiones en entornos complejos.

público en general

Machine learning with Pytorch and scikit-learn.